特開 2023-176112 場所提案装置、場所提案方法、およびプログラム

(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】P2023176112

(43)【公開日】2023-12-13

(54)【発明の名称】場所提案装置、場所提案方法、およびプログラム

(51)【国際特許分類】

   G06Q 10/0637 20230101AFI20231206BHJP

【ＦＩ】

G06Q10/06 328

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2022088219

(22)【出願日】2022-05-31

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＴＥＮＳＯＲＦＬＯＷ

(71)【出願人】

【識別番号】309007911

【氏名又は名称】サントリーホールディングス株式会社

(74)【代理人】

【識別番号】100115749

【弁理士】

【氏名又は名称】谷川 英和

(72)【発明者】

【氏名】茨木 孝治

(72)【発明者】

【氏名】石田 和匡

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049AA06

(57)【要約】

【課題】従来、適切でない場所に商品が投入される場合もあった。
【解決手段】場所識別子に対応する１以上の商品属性値と販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納される学習情報格納部１１３と、１以上の商品属性値を受け付ける商品情報受付部１２１と、２以上の各場所ごとに、商品情報受付部１２１が受け付けた１以上の商品属性値を、学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する販売情報取得部１３２と、販売情報取得部１３２が取得した２以上の販売情報を用いて、商品情報受付部１２１が受け付けた商品属性値に対応する商品を販売すべき場所を決定する場所決定部１３３と、当該場所の場所識別子、または場所識別子に対応する場所情報を出力する場所出力部１４１とを具備する場所提案装置１により、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。
【選択図】図２

【特許請求の範囲】

【請求項1】

商品を販売した場所を識別する場所識別子に対応する１以上の商品属性値と当該商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納される学習情報格納部と、
１以上の商品属性値を有する商品情報を受け付ける商品情報受付部と、
２以上の各場所ごとに、前記商品情報受付部が受け付けた前記商品情報が有する前記１以上の商品属性値を、前記学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する販売情報取得部と、
前記販売情報取得部が取得した前記２以上の販売情報を用いて、前記商品情報受付部が受け付けた前記商品情報に対応する商品を販売すべき場所を決定する場所決定部と、
前記場所決定部が決定した前記場所の場所識別子、または当該場所識別子に対応する場所情報を出力する場所出力部とを具備する場所提案装置。

【請求項2】

商品を販売する候補である場所を識別する場所識別子に対応付けて、１以上の場所属性値を有する２以上の場所情報が格納される場所情報格納部をさらに具備し、
前記学習情報は、商品の１以上の商品属性値と当該商品を販売した場所を識別する場所識別子に対応する１以上の場所属性値と当該商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された情報であり、
前記販売情報取得部は、
前記場所情報格納部に格納されている２以上の各場所情報ごとに、前記商品情報受付部が受け付けた前記商品情報が有する前記１以上の商品属性値と、各場所情報が有する１以上の場所属性値とを、前記学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する、請求項１記載の場所提案装置。

【請求項3】

前記学習情報格納部には、
２以上の各場所ごとに、商品の１以上の商品属性値と当該商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納され、
前記販売情報取得部は、
前記２以上の各場所ごとに、前記商品情報受付部が受け付けた前記商品情報が有する前記１以上の商品属性値を、前記場所に対応する前記学習情報に適用し、販売情報を取得する、請求項１記載の場所提案装置。

【請求項4】

前記場所決定部は、
前記販売情報取得部が取得した前記２以上の各場所情報に対応する前記販売情報が選択条件に合致する場合に、当該選択条件に合致する販売情報に対応する場所識別子または場所情報を取得する、請求項１から請求項３いずれか一項に記載の場所提案装置。

【請求項5】

前記学習情報は、前記２以上の実績情報が有する前記１以上の各商品属性値を説明変数として用い、前記販売情報を目的変数として用いて、機械学習の学習処理を行い、取得された学習モデルであり、
前記販売情報取得部は、
２以上の各場所ごとに、前記商品情報受付部が受け付けた前記商品情報が有する前記１以上の商品属性値を、前記学習モデルに適用し、機器学習の予測処理により、２以上の各場所ごとに、販売情報を取得する、請求項１から請求項４いずれか一項に記載の場所提案装置。

【請求項6】

商品を販売した場所を識別する場所識別子に対応付けて、商品の１以上の商品属性値と当該商品を販売した結果に関する販売情報とを有する２以上の実績情報が格納される実績情報格納部から前記２以上の実績情報を取得し、前記１以上の各商品属性値を説明変数として用い、前記販売情報を目的変数として用いて、機械学習の学習処理を行い、学習モデルである学習情報を取得し、当該学習情報を前記学習情報格納部に蓄積する学習部をさらに具備する請求項５記載の場所提案装置。

【請求項7】

前記１以上の商品属性値は、商品のカテゴリー、商品の容量、商品の中味、容器の種類
のうちの１以上の情報を含む、請求項１から請求項６いずれか一項に記載の場所提案装置。

【請求項8】

前記１以上の場所属性値は、屋内または屋外を示す屋内外情報、場所の地域を特定する地域識別子、自動販売機の設置場所の種類を示す場所種類情報、顧客の種類を示す顧客種類情報のうちの１以上の情報を含む、請求項１から請求項７いずれか一項に記載の場所提案装置。

【請求項9】

前記販売情報は、売上指標、売上構成比、または合計売上額のうちのいずれか１以上の情報を用いた情報である、請求項１から請求項８いずれか一項に記載の場所提案装置。

【請求項10】

商品を販売した場所を識別する場所識別子に対応する１以上の商品属性値と当該商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納される学習情報格納部と、商品情報受付部と、販売情報取得部と、場所決定部と、場所出力部とにより実現される場所提案方法であって、
前記商品情報受付部が、１以上の商品属性値を有する商品情報を受け付ける商品情報受付ステップと、
前記販売情報取得部が、２以上の各場所ごとに、前記商品情報受付ステップで受け付けられた前記商品情報が有する前記１以上の商品属性値を、前記学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する販売情報取得ステップと、
前記場所決定部が、前記販売情報取得ステップで取得された前記２以上の販売情報を用いて、前記商品情報受付ステップで受け付けられた前記商品情報に対応する商品を販売すべき場所を決定する場所決定ステップと、
前記場所出力部が、前記場所決定ステップで決定された前記場所の場所識別子、または当該場所識別子に対応する場所情報を出力する場所出力ステップとを具備する場所提案方法。

【請求項11】

商品を販売した場所を識別する場所識別子に対応する１以上の商品属性値と当該商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、
１以上の商品属性値を有する商品情報を受け付ける商品情報受付部と、
２以上の各場所ごとに、前記商品情報受付部が受け付けた前記商品情報が有する前記１以上の商品属性値を、前記学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する販売情報取得部と、
前記販売情報取得部が取得した前記２以上の販売情報を用いて、前記商品情報受付部が受け付けた前記商品情報に対応する商品を販売すべき場所を決定する場所決定部と、
前記場所決定部が決定した前記場所の場所識別子、または当該場所識別子に対応する場所情報を出力する場所出力部として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、商品を投入すべき場所を提案する場所提案装置等に関するものである。

【背景技術】

【0002】

従来技術において、商圏が重ならないような位置であり、商品の効率的な販売位置であり、自動販売機の設置位置を提示できるという情報処理装置があった（特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２１－２２０３６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、従来、商品を投入する場所を人が決定していたため、適切でない場所に商品が投入される場合もあった。

【0005】

また、従来技術においては、商品を投入する適切な場所を提案できなかった。

【課題を解決するための手段】

【0006】

本第一の発明の場所提案装置は、商品を販売した場所を識別する場所識別子に対応する１以上の商品属性値と商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納される学習情報格納部と、１以上の商品属性値を有する商品情報を受け付ける商品情報受付部と、２以上の各場所ごとに、商品情報受付部が受け付けた商品情報が有する１以上の商品属性値を、学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する販売情報取得部と、販売情報取得部が取得した２以上の販売情報を用いて、商品情報受付部が受け付けた商品情報に対応する商品を販売すべき場所を決定する場所決定部と、場所決定部が決定した場所の場所識別子、または場所識別子に対応する場所情報を出力する場所出力部とを具備する場所提案装置である。

【0007】

かかる構成により、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0008】

また、本第二の発明の場所提案装置は、第一の発明に対して、商品を販売する候補である場所を識別する場所識別子に対応付けて、１以上の場所属性値を有する２以上の場所情報が格納される場所情報格納部をさらに具備し、学習情報は、商品の１以上の商品属性値と商品を販売した場所を識別する場所識別子に対応する１以上の場所属性値と商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された情報であり、販売情報取得部は、場所情報格納部に格納されている２以上の各場所情報ごとに、商品情報受付部が受け付けた商品情報が有する１以上の商品属性値と、各場所情報が有する１以上の場所属性値とを、学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する、場所提案装置である。

【0009】

かかる構成により、場所属性値をも加味した学習情報を用いるため、商品を投入するより適切な場所を提案できる。

【0010】

また、本第三の発明の場所提案装置は、第一の発明に対して、学習情報格納部には、２以上の各場所ごとに、商品の１以上の商品属性値と商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納され、販売情報取得部は、２以上の各場所ごとに、商品情報受付部が受け付けた商品情報が有する１以上の商品属性値を、場所に対応する学習情報に適用し、販売情報を取得する、場所提案装置である。

【0011】

かかる構成により、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0012】

また、本第四の発明の場所提案装置は、第一から第三いずれか１つの発明に対して、場所決定部は、販売情報取得部が取得した２以上の各場所情報に対応する販売情報が選択条件に合致する場合に、選択条件に合致する販売情報に対応する場所識別子または場所情報を取得する、場所提案装置である。

【0013】

かかる構成により、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0014】

また、本第五の発明の場所提案装置は、第一から第四いずれか１つの発明に対して、学習情報は、２以上の実績情報が有する１以上の各商品属性値を説明変数として用い、販売情報を目的変数として用いて、機械学習の学習処理を行い、取得された学習モデルであり、販売情報取得部は、２以上の各場所ごとに、商品情報受付部が受け付けた商品情報が有する１以上の商品属性値を、学習モデルに適用し、機器学習の予測処理により、２以上の各場所ごとに、販売情報を取得する、場所提案装置である。

【0015】

かかる構成により、機械学習のアルゴリズムを用いて、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0016】

また、本第六の発明の場所提案装置は、第五の発明に対して、商品を販売した場所を識別する場所識別子に対応付けて、商品の１以上の商品属性値と商品を販売した結果に関する販売情報とを有する２以上の実績情報が格納される実績情報格納部から２以上の実績情報を取得し、１以上の各商品属性値を説明変数として用い、販売情報を目的変数として用いて、機械学習の学習処理を行い、学習モデルである学習情報を取得し、学習情報を学習情報格納部に蓄積する学習部をさらに具備する場所提案装置である。

【0017】

かかる構成により、機械学習のアルゴリズムを用いて、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0018】

また、本第七の発明の場所提案装置は、第一から第六いずれか１つの発明に対して、１以上の商品属性値は、商品のカテゴリー、商品の容量、商品の中味、容器の種類のうちの１以上の情報を含む、場所提案装置である。

【0019】

かかる構成により、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0020】

また、本第八の発明の場所提案装置は、第一から第七いずれか１つの発明に対して、１以上の場所属性値は、屋内または屋外を示す屋内外情報、場所の地域を特定する地域識別子、自動販売機の設置場所の種類を示す場所種類情報、顧客の種類を示す顧客種類情報のうちの１以上の情報を含む、場所提案装置である。

【0021】

かかる構成により、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0022】

また、本第九の発明の場所提案装置は、第一から第八いずれか１つの発明に対して、販売情報は、売上指標、売上構成比、または合計売上額のうちのいずれか１以上の情報を用いた情報である、場所提案装置である。

【0023】

かかる構成により、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【発明の効果】

【0024】

本発明による場所提案装置によれば、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【図面の簡単な説明】

【0025】

【図1】実施の形態１における提案システムＡの概念図

【図2】同提案システムＡのブロック図

【図3】同場所提案装置１の動作例について説明するフローチャート

【図4】同販売情報取得処理の第一の例について説明するフローチャート

【図5】同販売情報取得処理の第二の例について説明するフローチャート

【図6】同販売情報取得処理の第三の例について説明するフローチャート

【図7】同販売情報取得処理の第四の例について説明するフローチャート

【図8】同学習処理の第一の例について説明するフローチャート

【図9】同学習処理の第二の例について説明するフローチャート

【図10】同場所情報管理表を示す図

【図11】同商品情報管理表を示す図

【図12】同実績情報管理表を示す図

【図13】同出力例を示す図

【発明を実施するための形態】

【0026】

以下、場所提案装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。

【0027】

（実施の形態１）
本実施の形態において、１以上の商品属性値と１以上の場所属性値と販売情報とを用いて作成した学習情報と、投入対象の商品の１以上の商品属性値と各場所ごとの１以上の場所属性値とを用いて、商品を投入するべき場所を決定する場所提案装置について説明する。

【0028】

なお、本明細書において、情報Ｘが情報Ｙに対応付いていることは、情報Ｘから情報Ｙを取得できること、または情報Ｙから情報Ｘを取得できることであり、その対応付けの方法は問わない。情報Ｘと情報Ｙとがリンク付いていても良いし、同じバッファに存在していても良いし、情報Ｘが情報Ｙに含まれていても良いし、情報Ｙが情報Ｘに含まれている等でも良い。

【0029】

図１は、本実施の形態における提案システムＡの概念図である。提案システムＡは、場所提案装置１、１または２以上の端末装置２を備える。

【0030】

場所提案装置１は、例えば、いわゆるサーバであり、例えば、クラウドサーバ、ＡＳＰサーバ等である。なお、場所提案装置１は、例えば、いわゆるパーソナルコンピュータ、タブレット端末、スマートフォン等でも良い。

【0031】

端末装置２は、ユーザが使用する端末である。端末装置２は、例えば、いわゆるパーソナルコンピュータ、タブレット端末、スマートフォン等であり、その種類は問わない。

【0032】

図２は、本実施の形態における提案システムＡのブロック図である。

【0033】

場所提案装置１は、格納部１１、受付部１２、処理部１３、および出力部１４を備える。格納部１１は、場所情報格納部１１１、実績情報格納部１１２、学習情報格納部１１３を備える。受付部１２は、および商品情報受付部１２１を備える。処理部１３は、学習部１３１、販売情報取得部１３２、および場所決定部１３３を備える。出力部１４は、場所出力部１４１を備える。

【0034】

端末装置２は、端末格納部２１、端末受付部２２、端末処理部２３、端末送信部２４、端末受信部２５、および端末出力部２６を備える。

【0035】

場所提案装置１を構成する格納部１１には、各種の情報が格納される。各種の情報とは、例えば、後述する場所情報、後述する実績情報、後述する学習情報、機械学習の学習処理を行う学習モジュール、機械学習の予測処理を行う予測モジュールである。

【0036】

場所情報格納部１１１には、２以上の場所情報が格納される。場所情報とは、場所に関する情報である。場所とは、販売対象の商品が配置されるところである。場所とは、商品が投入される候補の場所であるとも言える。場所は、通常、商品が投入される候補の自動販売機、商品が投入される候補の１または２以上の自動販売機が設置されている場所である。場所が２以上の自動販売機が設置されている場所である場合、当該２以上の自動販売機は、通常、隣接する、または近くに設置されている。

【0037】

場所情報には、通常、場所識別子が対応付けられている。場所情報は、通常、１以上の場所属性値を有する。ただし、場所情報は、場所識別子のみでも良い。場所識別子とは、場所を識別する情報である。場所識別子は、例えば、自動販売機のＩＤ、自動販売機の名称、場所のＩＤ、場所の名称である。

【0038】

場所属性値とは、場所の属性値であり、場所の特徴量、または場所の特性と言っても良い。場所属性値は、商品が販売された場所を識別する場所識別子に対応する情報である。場所属性値は、例えば、自販機属性値、場所の地域を特定する地域識別子、住所である。自販機属性値とは、自動販売機の属性値である。自販機属性値は、例えば、屋内外情報、場所種類情報、得意先情報、コラム数である。屋内外情報とは、屋内または屋外を示す情報である。屋内外情報は、例えば、屋内を示す「インロケ（例えば、値「１」）」、屋外を示す「アウトロケ（例えば、値「０」）」である。場所種類情報とは、自動販売機の設置場所の種類を示す情報である。場所種類情報は、例えば、「法人の工場」「法人のオフィス」「遊戯施設」「病院」「学校」「その他」である。場所種類情報は、階層化された情報であることは好適である。階層化された場所種類情報は、例えば、「オフィス→会社」「オフィス→官公庁」「その他→スポーツ」である。なお、自販機属性値は、上述した文字列であっても良いし、文字列に対応するＩＤ（数値など）であっても良い。得意先情報とは、自動販売機を使用する顧客に関する情報である。得意先情報は、例えば、顧客の種類を示す顧客種類情報である。顧客種類情報は、例えば、「個人」「法人」「官公庁」である。

【0039】

なお、後述する学習情報が場所ごとに準備される場合、場所情報格納部１１１は無くても良い。

【0040】

実績情報格納部１１２には、２以上の実績情報が格納される。実績情報とは、販売実績に関する情報である。ここでの実績情報は、商品の１以上の商品属性値と１以上の場所属性値と販売情報とを有する。

【0041】

商品属性値とは、商品の属性値であり、商品の特徴量、または商品の特性と言っても良い。商品属性値は、例えば、カテゴリー、容量情報、容器種類情報、中味情報である。カテゴリーとは、商品のカテゴリーを示す情報であり、例えば、「水」「茶」「コーヒー」「炭酸飲料」「アルコール飲料」である。容量情報とは、商品の容量を示す情報であり、例えば、「１２５ｍｌ」「２５０ｍｌ」「３５０ｍｌ」「５００ｍｌ」「６５０ｍｌ」である。容器種類情報は、商品の容器の種類を示す情報であり、例えば、「ペットボトル」「缶」「ビン」である。中味情報とは、商品の中味を示す情報であり、例えば、「緑茶」「ウーロン茶」「ソーダ」「オレンジジュース」「ビール」「チューハイ」である。

【0042】

販売情報とは、商品が販売された結果に関する情報である。販売情報は、例えば、売上指標、売上構成比、合計売上額、販売が良好であるか否か（例えば、「良好（１）」「不良（０）」）、スコアである。

【0043】

なお、売上指標とは、一の場所において、商品（例えば、商品Ａ）が、相対的に、どの程度売れているかを示す指標である。売上指標は、例えば、「売上指標＝一の場所での商品Ａの売上金額／一の場所での商品別平均売上金額」により算出される。例えば、一の場所での商品Ａの売上金額が１０００円で、当該一の場所での商品別平均売上金額が５００円である場合、「商品Ａの売上指標＝２．０」となる。ただし、売上指標の演算式は問わない。売上指標は、売上金額構成比からＳＫＵ数の影響を補正した指標である、と言える。

【0044】

また、売上構成比とは、一の場所の全売上金額に占める、当該商品の売上金額の比率である。

【0045】

また、スコアは、他の１または２以上の販売情報を用いて取得される情報である。スコアは、例えば、売上指標、売上構成比、合計売上額のうちの１または２以上をパラメータとする増加関数により算出される値である。

【0046】

学習情報格納部１１３には、学習情報が格納される。学習情報とは、２以上の実績情報を用いて作成された情報である。学習情報は、例えば、学習モデル、対応表である。また、学習情報格納部１１３の学習情報は、例えば、一つである。また、学習情報格納部１１３の学習情報は、例えば、２以上の各場所ごとに存在している。かかる場合、２以上の各学習情報は、場所を識別する場所識別子に対応付いている。

【0047】

学習モデルとは、後述する学習部１３１が機械学習の学習処理により構築した情報である。

【0048】

学習モデルは、例えば、１以上の各商品属性値と１以上の各場所属性値とを説明変数として用い、販売情報を目的変数として用いて、機械学習の学習処理を行い、取得された情報である。

【0049】

なお、説明変数が有する商品属性値は、実績情報が有する１または２以上の商品属性値を用いて取得された商品属性値でも良い。また、説明変数が有する場所属性値は、実績情報が有する１または２以上の場所属性値を用いて取得された場所属性値でも良い。目的変数である販売情報は、実績情報が有する販売情報を用いて取得された販売情報でも良い。

【0050】

学習モデルは、例えば、一の場所識別子に対応する２以上の実績情報が有する１以上の各商品属性値を説明変数として用い、一の場所識別子に対応する販売情報を目的変数として用いて、機械学習の学習処理を行い、取得された情報である。かかる場合、学習モデルは、場所識別子に対応付く。

【0051】

学習モデルとは、機械学習の予測処理に使用される情報である。学習モデルは、学習器、分類器、分類モデル等と言っても良い。機械学習のアルゴリズムは、深層学習、ランダムフォレスト、決定木、ＳＶＭ、ＳＶＲ等、問わない。また、機械学習には、例えば、ＴｅｎｓｏｒＦｌｏｗのライブラリ、Ｒ言語のｒａｎｄｏｍ ｆｏｒｅｓｔのモジュール、ｆａｓｔＴｅｘｔ、ＴｉｎｙＳＶＭ等の各種の機械学習の関数や、種々の既存のライブラリを用いることができる。

【0052】

対応表とは、２以上の対応情報を有する表である。対応情報は、例えば、１以上の各商品属性値と１以上の各場所属性値とを要素とするベクトルと、販売情報との対応を取るための情報である。

【0053】

なお、ベクトルの要素である商品属性値は、実績情報が有する１または２以上の商品属性値を用いて取得された商品属性値でも良い。また、ベクトルの要素である場所属性値は、実績情報が有する１または２以上の場所属性値を用いて取得された場所属性値でも良い。ベクトルが有する販売情報は、実績情報が有する販売情報を用いて取得された販売情報でも良い。

【0054】

対応表は、例えば、一の場所識別子に対応する表でも良い。かかる場合、対応情報は、例えば、１以上の各商品属性値を要素とするベクトルと、販売情報との対応を取るための情報である。対応情報は、例えば、上記のベクトルと販売情報とを有する。かかる場合、対応表は、場所識別子に対応付く。

【0055】

受付部１２は、各種の情報や指示を受け付ける。各種の情報や指示とは、例えば、提案指示、学習指示、商品情報、場所情報、実績情報である。

【0056】

なお、提案指示とは、販売する商品を投入する場所を提案することの指示である。提案指示は、通常、商品情報を有する。また、学習指示とは、学習情報の作成の指示である。

【0057】

ここでは、受け付けとは、通常、有線もしくは無線の通信回線を介して送信された情報の受信であるが、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念であっても良い。

【0058】

受け付けが入力デバイスから入力された情報の受け付けである場合、その入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。かかる受付部１２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

【0059】

商品情報受付部１２１は、１以上の商品属性値を有する商品情報を受け付ける。商品情報受付部１２１は、例えば、端末装置２から商品情報を受信する。なお、商品情報受付部１２１が受け付ける商品情報は、１以上の商品属性値のみでも良い。

【0060】

処理部１３は、各種の処理を行う。各種の処理は、例えば、学習部１３１、販売情報取得部１３２、場所決定部１３３が行う処理である。

【0061】

学習部１３１は、実績情報格納部１１２から２以上の実績情報を取得し、当該２以上の実績情報を用いて、学習情報を取得し、当該学習情報を学習情報格納部１１３に蓄積する。

【0062】

学習部１３１は、例えば、実績情報格納部１１２から２以上の実績情報を取得し、実績情報を用いて取得した１以上の各商品属性値を説明変数として用い、実績情報を用いて取得した販売情報を目的変数として用いて、機械学習の学習処理を行い、学習モデルである学習情報を取得し、当該学習情報を学習情報格納部１１３に蓄積する。

【0063】

学習部１３１は、例えば、実績情報格納部１１２から２以上の実績情報を取得し、当該各実績情報を用いて取得した１以上の各商品属性値と１以上の各場所識別子とを説明変数として用い、販売情報を目的変数として用いて、機械学習の学習処理を行い、学習モデルである学習情報を取得し、当該学習情報を学習情報格納部１１３に蓄積する。

【0064】

学習部１３１は、例えば、実績情報格納部１１２から２以上の実績情報を取得し、実績情報を用いて取得した１以上の各商品属性値を要素とするベクトル、および実績情報が有する販売情報または当該販売情報を用いて取得した販売情報を対応づける対応情報を、２以上の各実績情報ごとに有する対応表を構成し、学習情報格納部１１３に蓄積する。

【0065】

学習部１３１は、例えば、実績情報格納部１１２から２以上の実績情報を取得し、各実績情報を用いて取得した１以上の各商品属性値を要素とし、かつ各実績情報を用いて取得した１以上の各場所属性値を要素とするベクトルを取得し、当該ベクトルと実績情報が有する販売情報または当該販売情報を用いて取得した販売情報とを対応づける対応情報を、２以上の各実績情報ごとに有する対応表を構成し、学習情報格納部１１３に蓄積する。

【0066】

販売情報取得部１３２は、２以上の各場所ごとに、商品情報受付部１２１が受け付けた商品情報が有する１以上の商品属性値を、学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する。１以上の商品属性値を学習情報に適用することは、１以上の商品属性値と学習情報とを用いることである、と考えても良い。

【0067】

販売情報取得部１３２は、例えば、場所情報格納部１１１に格納されている２以上の各場所情報ごとに、商品情報受付部１２１が受け付けた商品情報が有する１以上の商品属性値と、各場所情報が有する１以上の場所属性値とを、学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する。

【0068】

販売情報取得部１３２は、例えば、機械学習の予測処理により、販売情報を取得する。また、販売情報取得部１３２は、例えば、対応表を用いて、販売情報を取得する。以下、２つの処理のうちの各処理について、詳細に説明する。
機械学習による場合
（１－１）一つの学習モデルを用いる場合

【0069】

販売情報取得部１３２は、学習モデルを学習情報格納部１１３から取得する。また、販売情報取得部１３２は、場所情報格納部１１１に格納されている２以上の各場所情報ごとに、商品情報受付部１２１が受け付けた商品情報が有する１以上の商品属性値と、各場所情報が有する１以上の場所属性値とを用いて、ベクトルを構成する。なお、ベクトルに含まれる１以上の要素は、商品情報が有する商品属性値、商品情報が有する１以上の商品属性値から取得された商品属性値、場所情報が有する場所属性値、または場所情報が有する１以上の場所属性値から取得された場所属性値を含む。

【0070】

次に、販売情報取得部１３２は、２以上の各場所情報ごとに、取得した学習モデルとベクトルとを機器学習の予測モジュールに与え、当該予測モジュールを実行し、２以上の各場所情報ごとに、販売情報を取得する。
（１－２）２以上の各場所ごとの学習モデルを用いる場合

【0071】

販売情報取得部１３２は、２以上の各場所ごとの学習モデルを学習情報格納部１１３から取得する。また、販売情報取得部１３２は、２以上の各場所ごとに、場所情報格納部１１１に格納されている２以上の各場所情報ごとに、商品情報受付部１２１が受け付けた商品情報が有する１以上の商品属性値を用いて、ベクトルを構成する。

【0072】

次に、販売情報取得部１３２は、２以上の各場所ごとに、取得した学習モデルとベクトルとを機器学習の予測モジュールに与え、当該予測モジュールを実行し、２以上の各場所ごとに、販売情報を取得する。
（２）対応表による場合
（２－１）一つの対応表を用いる場合
（２－１－１）最大類似度の対応情報を用いる場合

【0073】

販売情報取得部１３２は、場所情報格納部１１１に格納されている２以上の各場所情報ごとに、商品情報受付部１２１が受け付けた商品情報が有する１以上の各商品属性値と、各場所情報が有する１以上の各場所属性値とを用いてベクトルを構成する。次に、販売情報取得部１３２は、２以上の各場所情報ごとに、構成したベクトルと、対応表が有する２以上の各対応情報が有するベクトルとの類似度を算出する。

【0074】

次に、販売情報取得部１３２は、算出した類似度が最大のベクトルと対になる販売情報を、対応表が有する対応情報から取得する。
（２－１－２）類似度条件に合致する対応情報を用いる場合

【0075】

販売情報取得部１３２は、場所情報格納部１１１に格納されている２以上の各場所情報ごとに、商品情報受付部１２１が受け付けた商品情報が有する１以上の各商品属性値と、各場所情報が有する１以上の各場所属性値とを用いてベクトルを構成する。次に、販売情報取得部１３２は、２以上の各場所情報ごとに、構成したベクトルと、対応表が有する２以上の各対応情報が有するベクトルとの類似度を算出する。

【0076】

次に、販売情報取得部１３２は、算出した類似度のうち、類似度条件を満たす１以上の各ベクトルと対になる販売情報を対応表から取得する。次に、販売情報取得部１３２は、取得した１または２以上の販売情報の代表値（例えば、平均値、中央値）を取得する。なお、類似度条件は、例えば、類似度が最大であること、類似度が閾値以上であること、類似度が閾値より大きいこと、または類似度が上位Ｎ（Ｎは自然数）以内であることである。
（２－２）２以上の各場所ごとの対応表を用いる場合
（２－２－１）最大類似度の対応情報を用いる場合

【0077】

販売情報取得部１３２は、２以上の各場所ごとの対応表を学習情報格納部１１３から取得する。また、販売情報取得部１３２は、２以上の各場所ごとに、商品情報受付部１２１が受け付けた商品情報が有する１以上の各商品属性値を用いてベクトルを構成する。次に、販売情報取得部１３２は、２以上の各場所ごとに、構成したベクトルと、取得した対応表が有する２以上の各対応情報が有するベクトルとの類似度を算出する。

【0078】

次に、販売情報取得部１３２は、算出した類似度が最大のベクトルと対になる販売情報を、対応表が有する対応情報から取得する。
（２－２－２）類似度条件に合致する対応情報を用いる場合

【0079】

販売情報取得部１３２は、２以上の各場所ごとの対応表を学習情報格納部１１３から取得する。また、販売情報取得部１３２は、場所情報格納部１１１に格納されている２以上の各場所ごとに、各場所に対応する商品情報が有する１以上の各商品属性値を用いてベクトルを構成する。次に、販売情報取得部１３２は、２以上の各場所ごとに、構成したベクトルと、対応表が有する２以上の各対応情報が有するベクトルとの類似度を算出する。

【0080】

次に、販売情報取得部１３２は、算出した類似度のうち、類似度条件を満たす１以上の各ベクトルと対になる販売情報を対応表から取得する。次に、販売情報取得部１３２は、取得した１または２以上の販売情報の代表値（例えば、平均値、中央値）を取得する。

【0081】

場所決定部１３３は、販売情報取得部１３２が取得した２以上の販売情報を用いて、商品情報受付部１２１が受け付けた商品情報に対応する商品を販売すべき場所を決定する。場所決定部１３３は、例えば、販売情報取得部１３２が取得した２以上の販売情報のうち、最良の販売情報に対応する場所を決定する。

【0082】

場所決定部１３３は、例えば、販売情報取得部１３２が取得した２以上の各場所情報に対応する販売情報が選択条件に合致する場合に、選択条件に合致する１または２以上の各販売情報に対応する場所識別子または場所情報を取得する。

【0083】

なお、選択条件とは、販売情報を選択するための条件である。選択条件は、例えば、最良の販売情報であること、販売情報（例えば、総売上）が閾値以上、販売情報が閾値より多いことである。

【0084】

出力部１４は、各種の情報を出力する。各種の情報は、例えば、場所識別子、または場所識別子に対応する場所情報である。

【0085】

出力とは、通常、端末装置２への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念であっても良い。

【0086】

場所出力部１４１は、場所決定部１３３が決定した場所の場所識別子、または場所識別子に対応する場所情報を出力する。なお、場所情報を出力する場合、当該場所情報は、例えば、場所情報格納部１１１に格納されている。

【0087】

端末装置２を構成する端末格納部２１には、各種の情報が格納される。各種の情報とは、例えば、商品情報、ユーザ識別子、場所情報、実績情報である。

【0088】

端末受付部２２は、各種の情報や指示等を受け付ける。各種の情報や指示等とは、例えば、提案指示、学習指示である。

【0089】

各種の情報や指示等の入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。

【0090】

端末処理部２３は、各種の処理を行う。各種の処理は、例えば、受け付けられた情報や指示等を、送信する構造の情報や指示等にする処理である。各種の処理は、例えば、受信された情報を出力する構造の情報にする処理である。

【0091】

端末送信部２４は、各種の情報や指示等を場所提案装置１に送信する。各種の情報や指示等は、例えば、場所提案指示である。

【0092】

端末受信部２５は、各種の情報を場所提案装置１から受信する。各種の情報は、例えば、場所識別子、場所情報である。

【0093】

端末出力部２６は、各種の情報を出力する。各種の情報は、例えば、場所識別子、場所情報である。

【0094】

格納部１１、場所情報格納部１１１、実績情報格納部１１２、学習情報格納部１１３、および端末格納部２１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。

【0095】

格納部１１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部１１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部１１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部１１等で記憶されるようになってもよい。

【0096】

受付部１２、および商品情報受付部１２１は、無線または有線の通信手段で実現されることが好適であるが、放送を受信する手段、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現されても良い。

【0097】

処理部１３、学習部１３１、販売情報取得部１３２、場所決定部１３３、および端末処理部２３は、通常、プロセッサやメモリ等から実現され得る。処理部１３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。なお、プロセッサは、ＣＰＵ、ＭＰＵ、ＧＰＵ等であり、その種類は問わない。

【0098】

出力部１４、および場所出力部１４１、端末送信部２４は、通常、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。

【0099】

端末受付部２２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

【0100】

端末受信部２５は、通常、無線または有線の通信手段で実現されるが、放送を受信する手段で実現されても良い。

【0101】

端末出力部２６は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。端末出力部２６は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。

【0102】

次に、提案システムＡの動作例について説明する。まず、場所提案装置１の動作例について、図３のフローチャートを用いて説明する。

【0103】

（ステップＳ３０１）商品情報受付部１２１は、商品情報を含む提案指示を受け付けたか否かを判断する。提案指示を受け付けた場合はステップＳ３０２に行き、提案指示を受け付けなかった場合はステップＳ３０７に行く。なお、ここで、商品情報受付部１２１は、例えば、端末装置２から提案指示を受信する。

【0104】

（ステップＳ３０２）販売情報取得部１３２は、ステップＳ３０１で受け付けられた提案指示に含まれる１以上の商品属性値を取得する。

【0105】

（ステップＳ３０３）販売情報取得部１３２は、ステップＳ３０２で取得した１以上の商品属性値を用いて、販売情報取得処理を行う。販売情報取得処理の４つの例について、図４、図５、図６、図７の各フローチャートを用いて説明する。

【0106】

（ステップＳ３０４）場所決定部１３３は、ステップＳ３０３で取得された場所ごとの販売情報を用いて、１以上の場所を決定する。ここで、場所決定部１３３は、例えば、選択条件に合致する販売情報に対応する１または２以上の場所識別子を取得する。

【0107】

（ステップＳ３０５）場所出力部１４１は、ステップＳ３０４で決定された１以上の各場所に対応する情報であり、出力する情報を取得する。なお、出力する情報は、例えば、場所ごとの場所識別子、場所ごとの場所識別子と対になる場所情報、場所ごとの場所識別子と場所情報である。場所出力部１４１は、例えば、ステップＳ３０４で決定された１以上の各場所に対応する場所情報を場所情報格納部１１１から取得する。

【0108】

（ステップＳ３０６）場所出力部１４１は、ステップＳ３０５で取得した情報を出力する。ステップＳ３０１に戻る。なお、場所出力部１４１は、例えば、提案指示を送信してきた端末装置２に情報を送信する。

【0109】

（ステップＳ３０７）受付部１２は、学習指示を受け付けたか否かを判断する。学習指示を受け付けた場合はステップＳ３０８に行き、学習指示を受け付けなかった場合はステップＳ３０９に行く。

【0110】

（ステップＳ３０８）学習部１３１は、学習処理を行う。ステップＳ３０１に戻る。なお、学習処理の例について、図８、図９のフローチャートを用いて説明する。

【0111】

（ステップＳ３０９）受付部１２は、情報を受け付けたか否かを判断する。情報を受け付けた場合はステップＳ３１０に行き、情報を受け付けなかった場合はステップＳ３０１に戻る。

【0112】

（ステップＳ３１０）処理部１３は、ステップＳ３０９で受け付けられた情報を格納部１１に蓄積する。ステップＳ３０１に戻る。なお、ここでの情報は、例えば、場所情報、実績情報である。

【0113】

なお、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

【0114】

次に、ステップＳ３０３の販売情報取得処理の第一の例について、図４のフローチャートを用いて説明する。ここでの販売情報取得処理は、一つの学習モデルを用いて、機械学習の予測処理により、販売情報を取得する場合である。

【0115】

（ステップＳ４０１）販売情報取得部１３２は、学習モデルを学習情報格納部１１３から取得する。

【0116】

（ステップＳ４０２）販売情報取得部１３２は、カウンタｉに１を代入する。

【0117】

（ステップＳ４０３）販売情報取得部１３２は、場所情報格納部１１１の中に、ｉ番目の場所識別子が存在するか否かを判断する。ｉ番目の場所識別子が存在する場合はステップＳ４０４に行き、存在しない場合は上位処理にリターンする。

【0118】

（ステップＳ４０４）販売情報取得部１３２は、ｉ番目の場所識別子と対になる１以上の場所属性値を場所情報格納部１１１から取得する。

【0119】

（ステップＳ４０５）販売情報取得部１３２は、ステップＳ３０２で取得している１以上の商品属性値とステップＳ４０３で取得した１以上の場所識別子とを用いて、ベクトルを構成する。

【0120】

（ステップＳ４０６）販売情報取得部１３２は、ステップＳ４０１で取得した学習モデルとステップＳ４０５で構成したベクトルとを、機械学習の予測モジュールに与え、当該モジュールを実行し、予測された販売情報を取得する。

【0121】

（ステップＳ４０７）販売情報取得部１３２は、ステップＳ４０６で取得した販売情報を、ｉ番目の場所識別子と対にして、図示しないバッファに一時蓄積する。

【0122】

（ステップＳ４０８）販売情報取得部１３２は、カウンタｉを１、インクリメントする。ステップＳ４０３に戻る。

【0123】

次に、ステップＳ３０３の販売情報取得処理の第二の例について、図５のフローチャートを用いて説明する。ここでの販売情報取得処理は、２以上の各場所ごとの学習モデルを用いて、機械学習の予測処理により、販売情報を取得する場合である。

【0124】

（ステップＳ５０１）販売情報取得部１３２は、カウンタｉに１を代入する。

【0125】

（ステップＳ５０２）販売情報取得部１３２は、場所情報格納部１１１の中に、ｉ番目の場所識別子が存在するか否かを判断する。ｉ番目の場所識別子が存在する場合はステップＳ５０３に行き、存在しない場合は上位処理にリターンする。

【0126】

（ステップＳ５０３）販売情報取得部１３２は、ｉ番目の場所識別子と対になる学習モデルを学習情報格納部１１３から取得する。

【0127】

（ステップＳ５０４）販売情報取得部１３２は、取得している１以上の商品属性値を用いて、ベクトルを構成する。

【0128】

（ステップＳ５０５）販売情報取得部１３２は、ステップＳ５０３で取得した学習モデルとステップＳ５０４で構成したベクトルとを、機械学習の予測モジュールに与え、当該モジュールを実行し、予測された販売情報を取得する。

【0129】

（ステップＳ５０６）販売情報取得部１３２は、ステップＳ４０６で取得した販売情報を、ｉ番目の場所識別子と対にして、図示しないバッファに一時蓄積する。

【0130】

（ステップＳ５０７）販売情報取得部１３２は、カウンタｉを１、インクリメントする。ステップＳ５０２に戻る。

【0131】

次に、ステップＳ３０３の販売情報取得処理の第三の例について、図６のフローチャートを用いて説明する。ここでの販売情報取得処理は、一つの対応表を用いて、販売情報を取得する場合である。

【0132】

（ステップＳ６０１）販売情報取得部１３２は、カウンタｉに１を代入する。

【0133】

（ステップＳ６０２）販売情報取得部１３２は、場所情報格納部１１１の中に、ｉ番目の場所識別子が存在するか否かを判断する。ｉ番目の場所識別子が存在する場合はステップＳ６０３に行き、存在しない場合は上位処理にリターンする。

【0134】

（ステップＳ６０３）販売情報取得部１３２は、場所情報格納部１１１からｉ番目の場所識別子と対になる１以上の場所属性値を取得する。

【0135】

（ステップＳ６０４）販売情報取得部１３２は、取得している１以上の商品属性値とステップＳ６０３で取得した１以上の場所識別子とを用いて、ベクトルを構成する。

【0136】

（ステップＳ６０５）販売情報取得部１３２は、カウンタｊに１を代入する。

【0137】

（ステップＳ６０６）販売情報取得部１３２は、学習情報格納部１１３の対応表の中に、ｊ番目の対応情報が存在するか否かを判断する。ｊ番目の対応情報が存在する場合はステップＳ６０７に行き、存在しない場合はステップＳ６１０に行く。

【0138】

（ステップＳ６０７）販売情報取得部１３２は、学習情報格納部１１３の対応表の中のｊ番目の対応情報のベクトルを取得する。

【0139】

（ステップＳ６０８）販売情報取得部１３２は、ステップＳ６０４で取得したベクトルと、ステップＳ６０７で取得したベクトルとの類似度を算出し、当該類似度をｊ番目の対応情報に対応付けて、図示しないバッファに一時蓄積する。

【0140】

（ステップＳ６０９）販売情報取得部１３２は、カウンタｊを１、インクリメントする。ステップＳ６０６に戻る。

【0141】

（ステップＳ６１０）販売情報取得部１３２は、ステップＳ６０８で蓄積した類似度から類似度条件を満たす１または２以上の各類似度に対応するベクトル（対応情報）を決定する。

【0142】

（ステップＳ６１１）販売情報取得部１３２は、ステップＳ６０９で決定した１以上の各ベクトルと対になる販売情報を対応表から取得し、図示しないバッファに一時蓄積する。

【0143】

（ステップＳ６１２）販売情報取得部１３２は、カウンタｉを１、インクリメントする。ステップＳ６０２に戻る。

【0144】

次に、ステップＳ３０３の販売情報取得処理の第四の例について、図７のフローチャートを用いて説明する。ここでの販売情報取得処理は、２以上の各場所ごとの対応表を用いて、販売情報を取得する場合である。

【0145】

（ステップＳ７０１）販売情報取得部１３２は、カウンタｉに１を代入する。

【0146】

（ステップＳ７０２）販売情報取得部１３２は、場所情報格納部１１１の中に、ｉ番目の場所識別子が存在するか否かを判断する。ｉ番目の場所識別子が存在する場合はステップＳ７０３に行き、存在しない場合は上位処理にリターンする。

【0147】

（ステップＳ７０３）販売情報取得部１３２は、ｉ番目の場所識別子と対になる対応表を学習情報格納部１１３から取得する。

【0148】

（ステップＳ７０４）販売情報取得部１３２は、取得している１以上の商品属性値を用いて、ベクトルを構成する。

【0149】

（ステップＳ７０５）販売情報取得部１３２は、カウンタｊに１を代入する。

【0150】

（ステップＳ７０６）販売情報取得部１３２は、ステップＳ７０３で取得した対応表の中に、ｊ番目の対応情報が存在するか否かを判断する。ｊ番目の対応情報が存在する場合はステップＳ７０７に行き、存在しない場合はステップＳ７１０に行く。

【0151】

（ステップＳ７０７）販売情報取得部１３２は、当該対応表の中のｊ番目の対応情報のベクトルを取得する。

【0152】

（ステップＳ７０８）販売情報取得部１３２は、ステップＳ７０４で取得したベクトルと、ステップＳ７０７で取得したベクトルとの類似度を算出し、当該類似度をｊ番目の対応情報に対応付けて、図示しないバッファに一時蓄積する。

【0153】

（ステップＳ７０９）販売情報取得部１３２は、カウンタｊを１、インクリメントする。ステップＳ７０６に戻る。

【0154】

（ステップＳ７１０）販売情報取得部１３２は、ステップＳ７０８で蓄積した類似度から類似度条件を満たす１または２以上の各類似度に対応するベクトル（対応情報）を決定する。

【0155】

（ステップＳ７１１）販売情報取得部１３２は、ステップＳ７０９で決定した１以上の各ベクトルと対になる販売情報をステップＳ７０３で取得した対応表から取得する。ここで、販売情報取得部１３２は、２以上の販売情報を取得した場合、当該２以上の販売情報の代表値を、ｉ番目の場所識別子に対応する販売情報として取得する。次に、販売情報取得部１３２は、ｉ番目の場所識別子に対応付けて、取得した販売情報を、図示しないバッファに一時蓄積する。

【0156】

（ステップＳ７１２）販売情報取得部１３２は、カウンタｉを１、インクリメントする。ステップＳ７０２に戻る。

【0157】

次に、ステップＳ３０８の学習処理の第一の例について、図８のフローチャートを用いて説明する。学習処理の第一の例は、一つの学習モデルを取得する場合である。

【0158】

（ステップＳ８０１）学習部１３１は、カウンタｉに１を代入する。

【0159】

（ステップＳ８０２）学習部１３１は、実績情報格納部１１２に、ｉ番目の実績情報が存在するか否かを判断する。ｉ番目の実績情報が存在する場合はステップＳ８０３に行き、存在しない場合はステップＳ８０７に行く。

【0160】

（ステップＳ８０３）学習部１３１は、ｉ番目の実績情報が有する１以上の商品属性値と１以上の場所属性値とを取得する。学習部１３１は、１以上の商品属性値と１以上の場所属性値とを用いて、２以上の説明変数を取得する。なお、説明変数は、商品属性値または場所属性値でも良いし、１または２以上の商品属性値または１または２以上の場所属性値から取得した情報でも良い。

【0161】

（ステップＳ８０４）学習部１３１は、ｉ番目の実績情報が有する販売情報を取得する。販売情報が目的変数ではない場合、学習部１３１は、当該販売情報を用いて、目的変数を取得する。なお、目的変数は、販売情報または１または２以上の販売情報から取得可能な情報であり、販売に関する情報である。目的変数は、通常、販売の多さに関する情報である。

【0162】

（ステップＳ８０５）学習部１３１は、ステップＳ８０３で取得した２以上の説明変数とステップＳ８０４で取得した目的変数とを用いて、ベクトルを構成する。なお、ここでのベクトルは、教師データと言っても良い。

【0163】

（ステップＳ８０６）学習部１３１は、カウンタｉを１、インクリメントする。ステップＳ８０２に戻る。

【0164】

（ステップＳ８０７）学習部１３１は、ステップＳ８０５で構成した２以上のベクトルを、機械学習の学習処理を行う学習モジュールに与え、当該学習モジュールを実行し、学習モデルを取得する。

【0165】

（ステップＳ８０８）学習部１３１は、ステップＳ８０７で取得した学習モデルを学習情報格納部１１３に蓄積する。上位処理にリターンする。

【0166】

なお、図８のフローチャートにおいて、ステップＳ８０７、ステップＳ８０８の代わりに、学習部１３１は、ステップＳ８０５で構成した２以上の各ベクトルを対応情報とする対応表を構築して、当該対応表を学習情報格納部１１３に蓄積しても良い。

【0167】

次に、ステップＳ３０８の学習処理の第二の例について、図９のフローチャートを用いて説明する。学習処理の第一の例は、場所ごとの学習モデルを取得する場合である。

【0168】

（ステップＳ９０１）学習部１３１は、カウンタｉに１を代入する。

【0169】

（ステップＳ９０２）学習部１３１は、ｉ番目の場所識別子が存在するか否かを判断する。ｉ番目の場所識別子が存在する場合はステップＳ９０３に行き、存在しない場合は上位処理にリターンする。

【0170】

（ステップＳ９０３）学習部１３１は、ｉ番目の場所識別子と対になる実績情報を実績情報格納部１１２から取得する。なお、取得する実績情報は、通常、２以上である。

【0171】

（ステップＳ９０４）学習部１３１は、カウンタｊに１を代入する。

【0172】

（ステップＳ９０５）学習部１３１は、ステップＳ９０３で取得した実績情報の中に、ｊ番目の実績情報が存在するか否かを判断する。ｊ番目の実績情報が存在する場合はステップＳ９０６に行き、存在しない場合はステップＳ９１０に行く。

【0173】

（ステップＳ９０６）学習部１３１は、ｉ番目の実績情報が有する１以上の商品属性値を取得する。学習部１３１は、１以上の商品属性値を用いて、１または２以上の説明変数を取得する。なお、説明変数は、商品属性値でも良いし、商品属性値から取得した情報でも良い。

【0174】

（ステップＳ９０７）学習部１３１は、ｊ番目の実績情報が有する販売情報を取得する。販売情報が目的変数ではない場合、学習部１３１は、当該販売情報を用いて、目的変数を取得する。なお、目的変数は、販売情報または販売情報から取得可能な情報であり、販売に関する情報である。

【0175】

（ステップＳ９０８）学習部１３１は、ステップＳ９０６で取得した１または２以上の説明変数とステップＳ９０７で取得した目的変数とを用いて、ベクトルを構成する。なお、ここでのベクトルは、教師データと言っても良い。

【0176】

（ステップＳ９０９）学習部１３１は、カウンタｊを１、インクリメントする。ステップＳ９０５に戻る。

【0177】

（ステップＳ９１０）学習部１３１は、ステップＳ９０８で構成した２以上のベクトルを、機械学習の学習処理を行う学習モジュールに与え、当該学習モジュールを実行し、学習モデルを取得する。

【0178】

（ステップＳ９１１）学習部１３１は、ステップＳ９１０で取得した学習モデルを、ｉ番目の場所識別子と対にして、学習情報格納部１１３に蓄積する。

【0179】

（ステップＳ９１２）学習部１３１は、カウンタｉを１、インクリメントする。ステップＳ９０２に戻る。

【0180】

なお、図９のフローチャートにおいて、ステップＳ９１０、ステップＳ９１１の代わりに、学習部１３１は、ステップＳ９０８で構成した２以上の各ベクトルを対応情報とする対応表を構築して、ｉ番目の場所識別子と対にして、学習情報格納部１１３に蓄積しても良い。かかる場合、場所識別子ごとの対応表が蓄積される。

【0181】

次に、端末装置２の動作例について説明する。端末受付部２２は、学習指示、提案指示等の各種の指示や情報を受け付ける。次に、端末処理部２３は、受け付けられた指示等を、送信する構造の指示等にする。次に、端末送信部２４は、各種の指示等を場所提案装置１に送信する。次に、指示等の送信に応じて、端末受信部２５は、各種の情報（例えば、提案する場所の情報）を場所提案装置１から受信する。次に、端末処理部２３は、受信された情報を出力する構造の情報にする。次に、端末出力部２６は、当該情報を出力する。

【0182】

以下、本実施の形態における提案システムＡの具体的な動作例について説明する。本具体例において、提案する場所は、新たに市場に投入する商品を販売する自動販売機、または新たに市場に投入する商品を販売する複数の自動販売機が設置された場所である。

【0183】

場所提案装置１の場所情報格納部１１１には、図１０に示す場所情報管理表が格納されている、とする。場所情報管理表は、２以上の場所情報を管理する表である。場所情報管理表は、「ＩＤ」「場所識別子」「場所属性値」を有する２以上のレコードを管理する。「場所属性値」は、ここでは「自販機属性値」「地域識別子」を有する。「自販機属性値」は、ここでは「屋内外情報」「場所種類情報」「顧客種類情報」「コラム数」を有する。

【0184】

「ＩＤ」は、レコードを識別する情報である。「場所識別子」のうち「Ｖ００１」等の「Ｖ」を含む場所識別子は、一の自動販売機を識別する情報であり、「Ｐ００１」等の「Ｐ」を含む場所識別子は、２以上の自動販売機が設置されている場所を識別する情報である、とする。屋内外情報「１」は、自動販売機が屋内に設置されていることを示す。屋内外情報「０」は、自動販売機が屋外に設置されていることを示す。また、例えば、場所種類情報「Ｐ_１」は自動販売機が「法人の工場」に設置されていることを示す。また、場所種類情報「Ｐ_２」は「法人のオフィス」、場所種類情報「Ｐ_３」は「遊戯施設」、場所種類情報「Ｐ_４」は「病院」、場所種類情報「Ｐ_５」は「学校」に、対応する自動販売機が設置されていることを示す。なお、場所種類情報「Ｐ_６」は「その他」の場所に、対応する自動販売機が設置されていることを示す。顧客種類情報「Ｋ_１」は、顧客が「工場の作業員」であることを示す。顧客種類情報「Ｋ_２」は、顧客が「オフィスワーカー」であることを示す。顧客種類情報「Ｋ_３」は、顧客が「一般ユーザ」であることを示す。「地域識別子」の各情報（Ａ_１，Ａ_２，Ａ_３，・・・）は、ここでは、例えば、市町村区等を特定する情報である。

【0185】

また、格納部１１には、図１１に示す商品情報管理表が格納されている、とする。商品情報管理表は、２以上の商品情報を管理する表である。商品情報管理表は、「ＩＤ」「商品識別子」「商品名」「商品属性値」を有する２以上のレコードを管理する。「商品属性値」は、ここでは「カテゴリー」「容量情報」「容器種類情報」「中味情報」を有する。「ＩＤ」は、レコードを識別する情報である。

【0186】

さらに、実績情報格納部１１２には、図１２に示す実績情報管理表が格納されている、とする。実績情報管理表とは、多数の実績情報を管理する表である。実績情報管理表は、「ＩＤ」「実績情報」を有する多数のレコードを管理する。「実績情報」は、ここでは「場所識別子」「商品識別子」「時情報」「販売情報」を有する。「販売情報」は、ここでは「売上金額」「売上指標」「売上構成比」「スコア」を有する。

【0187】

「ＩＤ」は、レコードを識別する情報である。「時情報」は、時を示す情報であり、ここでは年月日の情報である。「売上金額」は、ここでは、時情報が示す日までの直近３ヶ月の売上金額である。「売上指標」「売上構成比」も、時情報が示す日までの直近３ヶ月の販売状況に基づいて取得された情報である。「スコア」は、ここでは、例えば、売上金額、売上指標、売上構成比のうちの２以上をパラメータとする増加関数「ｆ」により算出された情報である、とする。例えば、演算式は、「スコア＝ｆ（売上金額，売上指標，売上構成比）」である。なお、実績情報管理表は、「場所識別子」「商品識別子」を有するが、実績情報は、「場所識別子」と対になる１以上の場所属性値、および「商品識別子」と対になる１以上の商品属性値をも有すると考えても良いことは言うまでもない。

【0188】

かかる状況において、以下の２つの具体例について説明する。具体例１は、学習モデルを構築する処理の例である。具体例２は、今後、投入する商品の場所を提案する処理の例である。

【0189】

（具体例１）
ユーザの指示により、端末装置２を経由して、学習指示が場所提案装置１に送信された、とする。

【0190】

次に、場所提案装置１の受付部１２は、学習指示を受信する。次に、学習部１３１は、以下のように学習処理を行う。つまり、学習部１３１は、実績情報管理表（図１２）の各レコードごとに、場所識別子と対になる場所属性値（「屋内外情報」「場所種類情報」「顧客種類情報」「コラム数」・・・「地域識別子」・・・）を、場所情報管理表（図１０）から取得する。また、学習部１３１は、実績情報管理表の各レコードごとに、商品識別子と対になる商品属性値（「カテゴリー」「容量情報」「容器種類情報」「中味情報」・・・）を、商品情報管理表（図１１）から取得する。また、学習部１３１は、実績情報管理表（図１２）の各レコードごとに、販売情報である「スコア」を取得する。なお、ここでは、目的変数として、スコアを採用した、とする。ただし、目的変数として、売上金額、売上指標、売上構成比等の他の種類の販売情報を採用しても良い。

【0191】

次に、学習部１３１は、実績情報管理表の各レコードごとに、複数の各場所属性値と複数の各商品属性値を説明変数とし、販売情報「スコア」を目的変数とする教師データを構成する。なお、教師データは、例えば、ベクトル（屋内外情報，場所種類情報，顧客種類情報，コラム数，・・・，地域識別子，・・・，カテゴリー，容量情報，容器種類情報，中味情報，・・・，スコア）である。

【0192】

次に、学習部１３１は、構成した複数の教師データを、機械学習の学習モジュールに与え、当該学習モジュールを実行し、学習モデルを取得する。次に、学習部１３１は、当該学習モデルを学習情報格納部１１３に蓄積する。

【0193】

以上、本具体例によれば、学習部１３１は、実績情報を学習した学習モデルを構築できた。なお、ここでの学習モデルは、説明変数の集合であるベクトル（屋内外情報，場所種類情報，顧客種類情報，コラム数，・・・，地域識別子，・・・，カテゴリー，容量情報，容器種類情報，中味情報，・・・）を用いて、目的変数であるスコアを取得するためのモデルである。

【0194】

（具体例２）
今、ユーザは、新しい商品の投入場所を決定するために、その商品の商品名「ウーロンＡ」と、商品情報「＜カテゴリー＞茶 ＜容量情報＞３５０ ＜容器種類情報＞ペットボトル＞ ＜中味情報＞ウーロン茶・・・」と、商品の投入場所の数「５」とを有する提案指示を端末装置２に入力した、とする。そして、端末装置２は、当該提案指示を受け付け、場所提案装置１に送信する。

【0195】

次に、場所提案装置１の商品情報受付部１２１は、商品情報を含む当該提案指示を、端末装置２から受信する。

【0196】

次に、販売情報取得部１３２は、具体例１の処理により構築された学習モデルを学習情報格納部１１３から取得する。

【0197】

次に、販売情報取得部１３２は、場所情報管理表（図１０）の各レコードから、場所属性値「屋内外情報，場所種類情報，顧客種類情報，コラム数，・・・，地域識別子，・・・」を取得する。そして、販売情報取得部１３２は、場所情報管理表の各レコードごとに、受信された商品情報が有する商品属性値「＜カテゴリー＞茶 ＜容量情報＞３５０ ＜容器種類情報＞ペットボトル＞ ＜中味情報＞ウーロン茶・・・」と場所情報管理表の各レコードの場所属性値を用いて、ベクトル（屋内外情報，場所種類情報，顧客種類情報，コラム数，・・・，地域識別子，・・・，カテゴリー，容量情報，容器種類情報，中味情報，・・・）を、場所情報管理表のレコードごとに構成する。

【0198】

次に、販売情報取得部１３２は、場所情報管理表のレコードごとに、レコードに対応するベクトルと取得した学習モデルを機械学習の予測モジュールに与え、当該予測モジュールを実行し、スコアを取得する。次に、販売情報取得部１３２は、場所情報管理表のレコードごとに、場所識別子に対応付けて、取得したスコアを一時蓄積する。

【0199】

次に、販売情報取得部１３２は、商品の投入場所の数「５」が示す選択条件「スコアが上位５まで」に従って、取得したスコアのうち、上位５位までの各スコアに対応する５の場所識別子を取得する。次に、場所出力部１４１は、販売情報取得部１３２が取得した５つの場所識別子を含む情報を端末装置２に送信する。

【0200】

次に、端末装置２は、５つの場所識別子を含む情報を受信し、出力する。かかる出力例は、図１３である。なお、図１３において、例えば、１３０１等の下線部は、アンカー（リンク）であり、指示されることにより、場所識別子に対応する場所情報が出力される、とする。

【0201】

以上、本具体例によれば、商品属性値だけではなく、各場所の場所属性値も加味し、商品を投入するべき場所を提案できた。

【0202】

以上、本実施の形態によれば、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できる。

【0203】

また、本実施の形態によれば、場所属性値（場所の特性）をも加味した学習情報を用いるため、商品を投入する、より適切な場所を提案できる。

【0204】

なお、本実施の形態において、場所提案装置１は、スタンドアロンの装置でも良い。かかる場合、受付部１２、商品情報受付部１２１は、例えば、ユーザからの情報や指示等の入力を受け付ける。また、出力部１４、場所出力部１４１は、場所識別子等の情報を、例えば、ディスプレイ等に出力する。

【0205】

さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ－ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における場所提案装置１を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、商品を販売した場所を識別する場所識別子に対応する１以上の商品属性値と当該商品を販売した結果に関する販売情報とを有する２以上の実績情報を用いて作成された学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、１以上の商品属性値を有する商品情報を受け付ける商品情報受付部と、２以上の各場所ごとに、前記商品情報受付部が受け付けた前記商品情報が有する前記１以上の商品属性値を、前記学習情報に適用し、２以上の各場所情報ごとに、販売情報を取得する販売情報取得部と、前記販売情報取得部が取得した前記２以上の販売情報を用いて、前記商品情報受付部が受け付けた前記商品情報に対応する商品を販売すべき場所を決定する場所決定部と、前記場所決定部が決定した前記場所の場所識別子、または当該場所識別子に対応する場所情報を出力する場所出力部として機能させるためのプログラムである。

【産業上の利用可能性】

【0206】

以上のように、本発明にかかる場所提案装置１は、複数の商品の各場所での過去の販売実績を用いて、商品を投入する適切な場所を提案できるという効果を有し、商品の投入場所を提案するサーバ等として有用である。

【符号の説明】

【0207】

１ 場所提案装置
２ 端末装置
１１ 格納部
１２ 受付部
１３ 処理部
１４ 出力部
２１ 端末格納部
２２ 端末受付部
２３ 端末処理部
２４ 端末送信部
２５ 端末受信部
２６ 端末出力部
１１１ 場所情報格納部
１１２ 実績情報格納部
１１３ 学習情報格納部
１２１ 商品情報受付部
１３１ 学習部
１３２ 販売情報取得部
１３３ 場所決定部
１４１ 場所出力部

【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】