IP Force 特許公報掲載プロジェクト 2022.1.31 β版

知財求人 - 知財ポータルサイト「IP Force」

▶ ヤフー株式会社の特許一覧

特開2024-130766情報処理装置、情報処理方法、および情報処理プログラム
<>
  • 特開-情報処理装置、情報処理方法、および情報処理プログラム 図1
  • 特開-情報処理装置、情報処理方法、および情報処理プログラム 図2
  • 特開-情報処理装置、情報処理方法、および情報処理プログラム 図3
  • 特開-情報処理装置、情報処理方法、および情報処理プログラム 図4
  • 特開-情報処理装置、情報処理方法、および情報処理プログラム 図5
  • 特開-情報処理装置、情報処理方法、および情報処理プログラム 図6
  • 特開-情報処理装置、情報処理方法、および情報処理プログラム 図7
< >
(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】P2024130766
(43)【公開日】2024-09-30
(54)【発明の名称】情報処理装置、情報処理方法、および情報処理プログラム
(51)【国際特許分類】
   G06Q 30/0202 20230101AFI20240920BHJP
【FI】
G06Q30/0202
【審査請求】有
【請求項の数】11
【出願形態】OL
(21)【出願番号】P 2023040668
(22)【出願日】2023-03-15
(71)【出願人】
【識別番号】500257300
【氏名又は名称】LINE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】森 琢郎
(72)【発明者】
【氏名】小川 知紘
【テーマコード(参考)】
5L030
5L049
【Fターム(参考)】
5L030BB01
5L049BB01
(57)【要約】
【課題】電子商店街間での取引対象の流行の波及を予測可能にすることができる情報処理装置、情報処理方法、および情報処理プログラムを提供すること。
【解決手段】本願に係る情報処理装置は、第1電子商店街における取引対象の購買に関する情報である第1購買関連情報と、第2電子商店街における取引対象の購買に関する情報である第2購買関連情報とを取得する取得部と、取得部によって取得された第1購買関連情報と第2購買関連情報とに基づいて、第1電子商店街における購買に関する流行の第2電子商店街への波及の態様を推定する推定モデルを生成する生成部とを備える。
【選択図】図3
【特許請求の範囲】
【請求項1】
第1電子商店街における取引対象の購買に関する情報である第1購買関連情報と、第2電子商店街における取引対象の購買に関する情報である第2購買関連情報とを取得する取得部と、
前記取得部によって取得された前記第1購買関連情報と前記第2購買関連情報とに基づいて、前記第1電子商店街における前記購買に関する流行の前記第2電子商店街への波及の態様を推定する推定モデルを生成する生成部と、を備える
ことを特徴とする情報処理装置。
【請求項2】
前記生成部は、
前記第1電子商店街における前記購買に関する流行の前記第2電子商店街への波及の有無を推定するモデルを前記推定モデルとして生成する
ことを特徴とする請求項1に記載の情報処理装置。
【請求項3】
前記生成部は、
前記第1電子商店街における前記購買に関する流行が前記第2電子商店街へ波及するまでの期間を推定するモデルを前記推定モデルとして生成する
ことを特徴とする請求項1に記載の情報処理装置。
【請求項4】
前記第1購買関連情報は、
前記第1電子商店街における前記取引対象の購買のランキング情報である第1ランキング情報を含み、
前記第2購買関連情報は、
前記第2電子商店街における前記取引対象の購買のランキング情報である第2ランキング情報を含み、
前記生成部は、
前記第1ランキング情報の変動と前記第2ランキング情報の変動との差に基づいて、前記推定モデルを生成する
ことを特徴とする請求項1~3のいずれか1つに記載の情報処理装置。
【請求項5】
前記第1購買関連情報は、
前記第1電子商店街において前記取引対象が売り切れタイミングである第1売り切れタイミングを示す情報を含み、
前記第2購買関連情報は、
前記第2電子商店街における前記取引対象が売り切れタイミングである第2売り切れタイミングを示す情報を含み、
前記生成部は、
前記第1売り切れタイミングから前記第2売り切れタイミングまでの期間に基づいて、前記推定モデルを生成する
ことを特徴とする請求項1~3のいずれか1つに記載の情報処理装置。
【請求項6】
前記第1購買関連情報は、
前記第1電子商店街において前記取引対象が売り切れタイミングである第1売り切れタイミングを示す情報を含み、
前記第2購買関連情報は、
前記第2電子商店街における前記取引対象が売り切れタイミングである第2売り切れタイミングを示す情報を含み、
前記生成部は、
前記第1売り切れタイミングから前記第2売り切れタイミングまでの期間が予め定められた期間以内である場合に前記第1電子商店街における前記購買に関する流行の前記第2電子商店街への波及があるとして前記推定モデルを生成する
ことを特徴とする請求項2に記載の情報処理装置。
【請求項7】
前記第1購買関連情報は、
前記第1電子商店街において前記取引対象が売り切れタイミングである第1売り切れタイミングを示す情報を含み、
前記第2購買関連情報は、
前記第2電子商店街における前記取引対象が売り切れタイミングである第2売り切れタイミングを示す情報を含み、
前記生成部は、
前記第1売り切れタイミングから前記第2売り切れタイミングまでの期間を前記第1電子商店街における前記購買に関する流行が前記第2電子商店街へ波及するまでの期間とする前記推定モデルを生成する
ことを特徴とする請求項3に記載の情報処理装置。
【請求項8】
前記生成部は、
前記取引対象の属性毎に前記推定モデルを生成する
ことを特徴とする請求項1~3のいずれか1つに記載の情報処理装置。
【請求項9】
前記生成部は、
前記第1電子商店街と前記第2電子商店街との組み合わせ毎に前記推定モデルを生成する
ことを特徴とする請求項1~3のいずれか1つに記載の情報処理装置。
【請求項10】
コンピュータが実行する情報処理方法であって、
第1電子商店街における取引対象の購買に関する情報である第1購買関連情報と、第2電子商店街における取引対象の購買に関する情報である第2購買関連情報とを取得する取得工程と、
前記取得工程によって取得された前記第1購買関連情報と前記第2購買関連情報とに基づいて、前記第1電子商店街における前記購買に関する流行の前記第2電子商店街への波及の態様を推定する推定モデルを生成する生成工程と、を含む
ことを特徴とする情報処理方法。
【請求項11】
第1電子商店街における取引対象の購買に関する情報である第1購買関連情報と、第2電子商店街における取引対象の購買に関する情報である第2購買関連情報とを取得する取得手順と、
前記取得手順によって取得された前記第1購買関連情報と前記第2購買関連情報とに基づいて、前記第1電子商店街における前記購買に関する流行の前記第2電子商店街への波及の態様を推定する推定モデルを生成する生成手順と、をコンピュータに実行させる
ことを特徴とする情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法、および情報処理プログラムに関する。
【背景技術】
【0002】
従来、インターネット上で各々商品を販売する仮想店舗を含む電子商店街を利用した商品などの取引対象の取引が一般化している。かかる電子商店街では、利用者から取引対象の注文を受け付けると、利用者への取引対象の配送を販売者が配送業者に依頼するなどして商品を利用者に届ける。
【0003】
特許文献1には、キーワードに応じて商品などを検索する電子商店街サーバが記載されており、かかる電子商店街サーバは、商品検索などに用いられるキーワードの流行を判定し、かかる判定結果に基づいて、商品の需要予測を行う。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開2013-250677号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、上記特許文献1に記載の技術は、電子商店街内での情報に基づいて、かかる電子商店街内での取引対象の流行を予測する技術に留まり、改善の余地がある。
【0006】
本願は、上記に鑑みてなされたものであって、電子商店街間での取引対象の流行の波及を予測可能にすることができる情報処理装置、情報処理方法、および情報処理プログラムを提供することを目的とする。
【課題を解決するための手段】
【0007】
本願に係る情報処理装置は、第1電子商店街における取引対象の購買に関する情報である第1購買関連情報と、第2電子商店街における取引対象の購買に関する情報である第2購買関連情報とを取得する取得部と、取得部によって取得された第1購買関連情報と第2購買関連情報とに基づいて、第1電子商店街における購買に関する流行の第2電子商店街への波及の態様を推定する推定モデルを生成する生成部とを備える。
【発明の効果】
【0008】
実施形態の一態様によれば、電子商店街間での取引対象の流行の波及を予測可能にすることができるという効果を奏する。
【図面の簡単な説明】
【0009】
図1図1は、実施形態に係る情報処理の一例を示す図である。
図2図2は、実施形態に係る情報処理システムの構成の一例を示す図である。
図3図3は、実施形態に係る情報処理装置の構成の一例を示す図である。
図4図4は、実施形態に係る電子商店街情報記憶部に記憶される電子商店街情報テーブルの一例を示す図である。
図5図5は、実施形態に係る流入数情報記憶部に記憶される流入数情報テーブルの一例を示す図である。
図6図6は、実施形態に係る情報処理装置の処理部による情報処理の一例を示すフローチャートである。
図7図7は、実施形態に係る情報処理装置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。
【発明を実施するための形態】
【0010】
以下に、本願に係る情報処理装置、情報処理方法、および情報処理プログラムを実施するための形態(以下、「実施形態」と呼ぶ)について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法、および情報処理プログラムが限定されるものではない。また、各実施形態は、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。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。
【0011】
〔1.情報処理の一例〕
まず、図1を用いて、実施形態に係る情報処理の一例について説明する。図1は、実施形態に係る情報処理の一例を示す図であり、情報処理装置1によって実行される。
【0012】
図1に示すように、情報処理装置1は、内部の記憶部または外部のサーバなどから、第1購買関連情報と第2購買関連情報とを取得する(ステップS1)。第1購買関連情報は、第1電子商店街4Aにおける取引対象の購買に関する情報であり、第2購買関連情報は、第2電子商店街4Bにおける取引対象の購買に関する情報である。
【0013】
第1電子商店街4Aと第2電子商店街4Bとは互いに異なる運営者によって運営されるが、共通の運営者によって運営されてもよい。以下において、第1電子商店街4Aおよび第2電子商店街4Bの各々を個別に区別せずに示す場合、電子商店街4と記載する場合がある。
【0014】
第1購買関連情報は、例えば、取引対象毎の第1購買数情報、取引対象毎の第1在庫数情報、第1ランキング情報、売り切れた取引対象毎の第1売り切れタイミング情報、売り切れた取引対象毎の第1売り切れ期間情報、および第1流入数情報などを含む。
【0015】
第1購買数情報は、第1電子商店街4Aにおける取引対象の購買数の情報を含む。第1在庫数情報は、第1電子商店街4Aにおける取引対象の在庫数の情報を含む。第1ランキング情報は、第1電子商店街4Aにおける複数の取引対象の購買のランキング情報を含む。第1電子商店街4Aにおける取引対象の購買は、第1電子商店街4Aの利用者Uによる取引対象の購買であり、第1電子商店街4Aでの取引対象の販売ということもできる。
【0016】
第1売り切れタイミング情報は、第1電子商店街4Aにおいて取引対象が売り切れるタイミングである第1売り切れタイミングを示す情報を含む。第1売り切れ期間情報は、第1電子商店街4Aにおいて販売が開始された取引対象が売り切れるまでの期間である第1売り切れ期間を示す情報を含む。第1流入数情報は、第1電子商店街4Aへの利用者Uの流入数を示す情報を含む。
【0017】
第2購買関連情報は、例えば、取引対象毎の第2購買数情報、取引対象毎の第2在庫数情報、第2ランキング情報、売り切れた取引対象毎の第2売り切れタイミング情報、売り切れた取引対象毎の第2売り切れ期間情報、および第2流入数情報などを含む。
【0018】
第2購買数情報は、第2電子商店街4Bにおける取引対象の購買数の情報を含む。第2在庫数情報は、第2電子商店街4Bにおける取引対象の在庫数の情報を含む。第2ランキング情報は、第2電子商店街4Bにおける複数の取引対象の購買のランキング情報を含む。第2電子商店街4Bにおける取引対象の購買は、第2電子商店街4Bの利用者Uによる取引対象の購買であり、第2電子商店街4Bでの取引対象の販売ということもできる。
【0019】
第2売り切れタイミング情報は、第2電子商店街4Bにおいて取引対象が売り切れるタイミングである第2売り切れタイミングを示す情報を含む。第2売り切れ期間情報は、第2電子商店街4Bにおいて販売が開始された取引対象が売り切れるまでの期間である第2売り切れ期間を示す情報を含む。第2流入数情報は、第2電子商店街4Bへの利用者Uの流入数を示す情報を含む。
【0020】
第1購買数情報および第2購買数情報の各々は、予め定められた周期(例えば、1日または1週間など)毎の各取引対象の購買数の情報を含む。第1在庫数情報および第2在庫数情報の各々は、予め定められた周期(例えば、1日または1週間など)毎の各取引対象の在庫数の情報を含む。
【0021】
第1ランキング情報および第2ランキング情報の各々は、予め定められた周期(例えば、1日または1週間など)毎の複数の取引対象の購買のランキングの情報を含む。購買のランキングは、例えば、購買数や購買額のランキングである。なお、購買のランキングは、取引対象の属性(例えば、カテゴリやスペック)毎の補正値を用いて補正した購買数や購買額のランキングであってカテゴリによらないランキングもよい。
【0022】
第1流入数情報および第2流入数情報の各々は、予め定められた周期(例えば、1日または1週間など)毎の電子商店街4への利用者Uの流入数を示す情報を含む。かかる流入数は、例えば、利用者Uによる検索サイトでの検索結果に基づいて推定される。例えば、利用者Uによる検索クエリに含まれる検索キーワードに基づいて、各電子商店街4への利用者Uの流入数が推定される。
【0023】
例えば、第1電子商店街4Aを特定するキーワード(例えば、第1電子商店街4Aの名称)が検索クエリに含まれている場合に、第1電子商店街4Aへの利用者Uの流入であると推定される。また、第2電子商店街4Bを特定するキーワード(例えば、第2電子商店街4Bの名称)が検索クエリに含まれている場合に、第2電子商店街4Bへの利用者Uの流入であると推定される。
【0024】
また、電子商店街4への利用者Uの流入数は、取引対象の属性(例えば、カテゴリやスペック)毎または取引対象毎に推定された値であってもよい。例えば、電子商店街4を特定するキーワードが検索キーワードとして含まれる検索クエリに含まれる他の検索キーワード(例えば、取引対象のカテゴリを示すキーワードまたは取引対象を示すキーワードなど)に基づいて、取引対象の属性(例えば、カテゴリやスペック)毎または取引対象毎に電子商店街4への利用者Uの流入数が推定される。
【0025】
なお、電子商店街4への利用者Uの流入数は、電子商店街4に実際にアクセスした利用者Uの数であってもよく、この場合、情報処理装置1は、例えば、電子商店街4を含む電子商取引サイトから電子商店街4への利用者Uの流入数を取得する。
【0026】
また、第1売り切れタイミング情報および第2売り切れタイミング情報の各々は、販売が開始されてから予め定められた期間内において売り切れた取引対象毎の売り切れタイミングの情報を含む。各売り切れタイミングの情報は、例えば、取引対象の売り切れ日時または取引対象の売り切れ日を示す情報であるが、かかる例に限定されない。
【0027】
つづいて、情報処理装置1は、ステップS1において取得した第1購買関連情報と第2購買関連情報とに基づいて、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の態様を推定する推定モデルを生成する(ステップS2)。かかる推定モデルは、機械学習によって生成されるモデルである。
【0028】
購買に関する流行とは、例えば、需要が高まっている状況である。需要が高まっている状況であるか否かは、例えば、購買数の増加率が予め定められた閾値以上および予め設定された期間における購買数が予め設定された閾値以上のうちの少なくとも一方を満たすか否かで判定される。
【0029】
なお、需要が高まっている状況であるか否かは、上述した例に限定されず、例えば、売り切れている状況が予め設定された期間以上であるか否かで判定されてもよく、その他の基準によって判定されてもよい。予め設定された閾値や予め設定された期間は、取引対象の属性(例えば、カテゴリやスペック)毎に設定されるが、取引対象毎に設定されてもよい。
【0030】
推定モデルは、取引対象毎の購買に関する流行の波及の態様を推定するが、取引対象の属性(例えば、カテゴリやスペック)毎の購買に関する流行の波及の態様を推定することもできる。
【0031】
情報処理装置1は、例えば、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の有無を推定するモデルを推定モデルとして生成する。例えば、情報処理装置1は、第1ランキング情報の変動と第2ランキング情報の変動との差に基づいて、推定モデルを生成する。
【0032】
この場合、推定モデルは、例えば、判定対象となる取引対象における第1ランキング情報の変動を示す情報とが特徴量として入力され、判定対象となる取引対象の第1電子商店街4Aから第2電子商店街4Bへの購買の波及の有無を示す情報を出力するモデルである。
【0033】
推定モデルで用いられる特徴量は、例えば、第1電子商店街4Aにおいて流行したと推定されるタイミングまでの情報であり、予め定められた期間の情報であるが、第1電子商店街4Aにおいて流行したと推定されるタイミング以降の情報を含んでいてもよい。
【0034】
例えば、推定モデルで用いられる特徴量は、取引対象が第1電子商店街4Aにおいて売り切れた時点までの予め定められた期間の情報、取引対象が第1電子商店街4Aにおけるランキングの順位が予め定められた順位以上になった時点までの予め定められた期間の情報などであるが、かかる例に限定されない。例えば、推定モデルで用いられる特徴量は、取引対象の第1電子商店街4Aにおける購買数の上昇率が閾値以上になった時点までの予め定められた期間の情報などであってもよい。
【0035】
判定対象となる取引対象における第1ランキング情報の変動を示す情報は、判定対象となる取引対象の第1電子商店街4Aにおける順位の変動を示す情報であり、時系列データである。
【0036】
なお、推定モデルは、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れタイミング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上がさらに特徴量として入力されるモデルであってもよい。
【0037】
情報処理装置1は、例えば、第1ランキング情報において上位の予め定められた順位内になった取引対象がその後に第2ランキング情報において上位の予め定められた順位内になっている場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及がないと判定する。
【0038】
また、情報処理装置1は、第1ランキング情報において順位が上昇していった取引対象がその後に第2ランキング情報において順位が上昇していった場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及がないと判定することもできる。
【0039】
情報処理装置1は、流行の波及があると判定した場合、波及があることを示すラベルを付与するアノテーションを行い、流行の波及がないと判定した場合に、波及がないことを示すラベルを付与するアノテーションを行う。このように、情報処理装置1は、判定対象となる取引対象における第1ランキング情報の変動と第2ランキング情報の変動との差に基づいて、アノテーションを行うことができる。
【0040】
また、情報処理装置1は、第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及するまでの期間である第1波及遅延期間を推定するモデルを推定モデルとして生成することもできる。
【0041】
この場合、推定モデルは、判定対象となる取引対象における第1売り切れタイミングを示す情報が特徴量として入力され、第1波及遅延期間を示す情報を出力するモデルである。
【0042】
なお、推定モデルは、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1流入数情報、および第2流入数情報などのうちの1以上がさらに特徴量として入力されるモデルであってもよい。
【0043】
また、情報処理装置1は、第1売り切れタイミングになった取引対象がその後に第2ランキング情報において上位の予め定められた順位内になった場合に、その取引対象に関して流行の波及があると判定し、そうでない場合に、その取引対象に関して流行の波及がないと判定することもできる。
【0044】
情報処理装置1は、例えば、第1売り切れタイミングから第2売り切れタイミングまでの期間が予め定められた期間以内である取引対象を流行の波及があると判定し、第1売り切れタイミングから第2売り切れタイミングまでの期間が予め定められた期間以内になっていない取引対象を流行の波及がないと判定することもできる。
【0045】
情報処理装置1は、流行の波及があると判定した取引対象における第1売り切れタイミングから第2売り切れタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成する。このように、情報処理装置1は、判定対象となる取引対象における第1売り切れタイミングと第2ランキング情報における変動、判定対象となる取引対象における第1売り切れタイミングと第2売り切れタイミングとの差などに基づいて、アノテーションを行うことができる。
【0046】
この場合、推定モデルは、例えば、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上の情報を特徴量として入力し、第1売り切れタイミングから第2売り切れタイミングまでの期間を出力するモデルである。
【0047】
また、情報処理装置1は、電子商店街4への流入数がピークとなるタイミングの差に基づいて、第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及するか否かを判定することもできる。
【0048】
例えば、情報処理装置1は、第1流入数情報に基づいて、第1電子商店街4Aにおいて流入数がピークとなるタイミングである第1ピークタイミングを判定する。また、情報処理装置1は、第2流入数情報に基づいて、第2電子商店街4Bにおいて流入数がピークとなるタイミングである第2ピークタイミングを判定する。
【0049】
そして、情報処理装置1は、第1ピークタイミングから第2ピークタイミングまでの期間が予め定められた期間範囲以内である取引対象において、第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及すると判定し、そうでない場合に、波及しないと判定する。
【0050】
情報処理装置1は、判定した流行の波及の有無を示す情報をラベルとして用いて推定モデルを生成する。この場合、推定モデルは、例えば、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れタイミング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上の情報を特徴量として入力し、第1電子商店街4Aから第2電子商店街4Bへの流行の波及の有無を示す情報を出力するモデルである。
【0051】
情報処理装置1は、流行の波及があると判定した取引対象における第1ピークタイミングから第2ピークタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成したりする。このように、情報処理装置1は、第1電子商店街4Aと第2電子商店街4Bとの流入数の変動の差などに基づいて、アノテーションを行うことができる。なお、ピークタイミングは、電子商店街4単位での流入数のピークのタイミングであるが、判定対象となる取引対象の属性毎の流入数のピークのタイミングであってもよい。
【0052】
この場合、推定モデルは、例えば、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れタイミング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上の情報を特徴量として入力し、第1電子商店街4Aから第2電子商店街4Bに流行が波及するまでの期間を示す情報を出力するモデルである。
【0053】
つづいて、情報処理装置1は、端末装置2から波及推定要求を受け付ける(ステップS3)。端末装置2の利用者Uは、端末装置2を操作することによって、端末装置2から情報処理装置1に波及推定要求を送信させることができる。
【0054】
情報処理装置1は、ステップS3で波及推定要求を受け付けた場合、上述した推定モデルを用いて、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の態様(例えば、波及の有無や波及までの期間など)を取引対象毎に推定する(ステップS4)。
【0055】
波及推定要求は、流行の波及を判定する取引対象を、すべての取引対象とするのか、特定のカテゴリの取引対象とするのか、特定の取引対象とするのかを示す情報を含んでおり、情報処理装置1は、波及推定要求で特定される取引対象について流行の波及の態様を推定する。
【0056】
つづいて、情報処理装置1は、ステップS4での推定の結果を示す流行波及推定結果情報を端末装置2に送信する(ステップS5)。端末装置2は、情報処理装置1から送信される流行波及推定結果情報を受信すると、受信した流行波及推定結果情報を表示する。このように、情報処理装置1は、推定モデルを用いて第2電子商店街4Bでの取引対象の流行を予測することができる。
【0057】
なお、情報処理装置1は、上述した推定モデルの生成方法と同様の方法によって、第1購買関連情報と第2購買関連情報とに基づいて、第2電子商店街4Bにおける購買に関する流行の第1電子商店街4Aへの波及の態様を推定する推定モデルを生成することもできる。
【0058】
また、情報処理装置1は、例えば、電子商店街4が3以上ある場合、異なる組み合わせの2つの電子商店街4毎に推定モデルを生成することができ、電子商店街4が4以上ある場合、異なる組み合わせの3つの電子商店街4毎に推定モデルを生成することができる。
【0059】
また、情報処理装置1は、上述した推定モデルを取引対象の属性(例えば、カテゴリやスペック)毎に生成することもできる。また、情報処理装置1は、例えば、在庫が予め定められた数以上あった取引対象の情報やメーカー品の取引対象の情報などに限定して上述した推定モデルの生成および推定モデルによる推定に用いることができる。
【0060】
また、情報処理装置1は、検索後の流入が第1電子商店街4Aおよび第2電子商店街4Bの一方のみの取引対象の情報を上述した推定モデルの生成に用いるデータセットから除外することもできる。
【0061】
以下、このような処理を行う情報処理装置1および端末装置2を含む情報処理システムの構成などについて、詳細に説明する。
【0062】
〔2.情報処理システムの構成〕
図2は、実施形態に係る情報処理システムの構成の一例を示す図である。図2に示すように、実施形態に係る情報処理システム100は、情報処理装置1と、複数の端末装置2とを含む。
【0063】
複数の端末装置2は、互いに異なる利用者Uによって用いられる。端末装置2は、例えば、ノートPC(Personal Computer)、デスクトップPC、スマートフォン、タブレットPC、ウェアラブルデバイスである。ウェアラブルデバイスは、例えば、スマートグラス、またはスマートウォッチなどであるが、かかる例に限定されない。利用者Uは、情報処理装置1などから提供されるサービスを利用する利用者である。
【0064】
情報処理装置1および端末装置2の各々は、ネットワークNを介して、有線または無線により互いに通信可能に接続される。なお、図2に示す情報処理システム100には、情報処理装置1などが複数含まれてもよい。
【0065】
ネットワークNは、例えば、インターネットなどのWAN(Wide Area Network)およびLTE(Long Term Evolution)、4G(4th Generation)、5G(5th Generation:第5世代移動通信システム)などの移動体通信網などを含む。
【0066】
端末装置2は、移動体通信網、Bluetooth(登録商標)、無線LAN(Local Area Network)などの近距離無線通信を介してネットワークNに接続し、情報処理装置1と通信することができる。
【0067】
〔3.情報処理装置1の構成〕
図3は、実施形態に係る情報処理装置1の構成の一例を示す図である。図3に示すように、情報処理装置1は、通信部10と、記憶部11と、処理部12とを有する。
【0068】
〔3.1.通信部10〕
通信部10は、例えば、通信モジュールやNIC(Network Interface Card)などによって実現される。そして、通信部10は、ネットワークNと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部10は、端末装置2との間でネットワークNを介して情報の送受信を行う。
【0069】
〔3.2.記憶部11〕
記憶部11は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。記憶部11は、電子商店街情報記憶部20と、流入数情報記憶部21とを有する。
【0070】
〔3.2.1.電子商店街情報記憶部20〕
電子商店街情報記憶部20は、各電子商店街4の購買に関する各種の情報である購買関連情報を記憶する。図4は、実施形態に係る電子商店街情報記憶部20に記憶される電子商店街情報テーブルの一例を示す図である。
【0071】
図4に示す例では、電子商店街情報記憶部20に記憶される利用者情報テーブルは、「電子商店街ID(Identifier)」、「購買数情報」、「在庫数情報」、「ランキング情報」、「売り切れタイミング情報」、および「売り切れ期間情報」といった項目の情報を含む。
【0072】
「電子商店街ID」は、電子商店街4を識別する識別子であり、電子商店街4毎に付される情報である。図4に示す例では、電子商店街ID「EC1」は、第1電子商店街の識別子であり、電子商店街ID「EC2」は、第2電子商店街の識別子である。
【0073】
「購買数情報」は、「電子商店街ID」に対応付けられた電子商店街4における取引対象の購買数の情報を予め定められた周期毎に含み、かかる取引対象の購買数の情報は、「電子商店街ID」に対応付けられた電子商店街4で販売される取引対象毎に含まれる。電子商店街4における取引対象の購買は、電子商店街4の利用者Uによる取引対象の購買であり、電子商店街4での取引対象の販売ということもできる。
【0074】
「在庫数情報」は、「電子商店街ID」に対応付けられた電子商店街4における取引対象の在庫数の情報を予め定められた周期毎に含み、かかる取引対象の在庫数の情報は、「電子商店街ID」に対応付けられた電子商店街4で販売される取引対象毎に含まれる。「ランキング情報」は、「電子商店街ID」に対応付けられた電子商店街4における複数の取引対象の購買のランキング情報を予め定められた周期毎に含む。
【0075】
「売り切れタイミング情報」は、「電子商店街ID」に対応付けられた電子商店街4において売り切れた取引対象の売り切れタイミングを示す情報を含む。「売り切れ期間情報」は、「電子商店街ID」に対応付けられた電子商店街4において販売が開始された取引対象が売り切れるまでの期間である売り切れ期間(販売が開始されてから売り切れるまでの期間)を示す情報を含む。
【0076】
〔3.2.2.流入数情報記憶部21〕
流入数情報記憶部21は、電子商店街4への流入数に関する各種の情報を記憶する。図5は、実施形態に係る流入数情報記憶部21に記憶される流入数情報テーブルの一例を示す図である。
【0077】
図5に示す例では、流入数情報記憶部21に記憶される利用者情報テーブルは、「電子商店街ID」および「流入数情報」といった項目の情報を含む。「流入数情報」は、「電子商店街ID」に対応付けられた電子商店街4への利用者Uの流入数を示す情報を予め定められた周期(例えば、1日または1週間など)毎に含む。
【0078】
「流入数情報」は、「電子商店街ID」に対応付けられた電子商店街4への利用者Uの流入数の推定値であるが、さらに取引対象の属性(例えば、カテゴリやスペック)毎または取引対象毎に推定された値であってもよい。
【0079】
例えば、電子商店街4を特定するキーワードが検索キーワードとして含まれる検索クエリに含まれる他の検索キーワード(例えば、取引対象のカテゴリを示すキーワードまたは取引対象を示すキーワードなど)に基づいて、取引対象の属性(例えば、カテゴリやスペック)毎または取引対象毎に電子商店街4への利用者Uの流入数が処理部12によって推定される。
【0080】
〔3.3.処理部12〕
処理部12は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)またはMPU(Micro Processing Unit)などによって、端末装置2内部の記憶装置に記憶されている各種プログラムがRAMを作業領域として実行されることにより実現される。
【0081】
処理部12は、例えば、ASIC(Application Specific Integrated Circuit)またはFPGA(Field Programmable Gate Array)などの集積回路により一部または全部が実現されてもよい。
【0082】
図3に示すように、処理部12は、取得部30と、受付部31と、生成部32と、推定部33と、提供部34とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、処理部12の内部構成は、図3に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
【0083】
〔3.3.1.取得部30〕
取得部30は、外部の情報処理装置や端末装置2などから通信部10を介して種々の情報を取得し、取得した情報を記憶部11に記憶させる。
【0084】
例えば、取得部30は、外部の情報処理装置などから通信部10を介して購買関連情報を取得し、取得した購買関連情報を電子商店街情報記憶部20の電子商店街情報テーブルに追加する。また、取得部30は、外部の情報処理装置などから通信部10を介して流入数情報を取得し、取得した流入数情報を流入数情報記憶部21の流入数情報テーブルに追加する。
【0085】
また、取得部30は、記憶部11から各種の情報を取得する。例えば、取得部30は、購買関連情報を電子商店街情報記憶部20などから取得する。取得部30によって取得される購買関連情報は、例えば、上述した購買数情報、在庫数情報、ランキング情報、売り切れタイミング情報、および売り切れ期間情報のうちの少なくとも1つ以上の情報の一部または全部を含む。
【0086】
例えば、取得部30は、第1電子商店街4Aにおける取引対象の購買に関する情報である第1購買関連情報と、第2電子商店街4Bにおける取引対象の購買に関する情報である第2購買関連情報とを電子商店街情報記憶部20から取得する。
【0087】
〔3.3.2.受付部31〕
受付部31は、通信部10を介して端末装置2から各種の要求や情報などを受け付ける。例えば、受付部31は、利用者Uの端末装置2から送信される流行推定要求を受け付ける。
【0088】
波及推定要求は、例えば、流行の波及を判定する取引対象を、すべての取引対象とするのか、特定のカテゴリの取引対象とするのか、特定の取引対象とするのかを示す情報を含む。
【0089】
〔3.3.3.生成部32〕
生成部32は、取得部30によって取得された第1購買関連情報と第2購買関連情報とに基づいて、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の態様を推定する推定モデルを生成する。
【0090】
購買に関する流行とは、例えば、需要が高まっている状況である。需要が高まっている状況であるか否かは、例えば、購買数の増加率が予め定められた閾値以上および予め設定された期間における購買数が予め設定された閾値以上のうちの少なくとも一方を満たすか否かで判定される。
【0091】
なお、需要が高まっている状況であるか否かは、上述した例に限定されず、例えば、売り切れている状況が予め設定された期間以上であるか否かで判定されてもよく、その他の基準によって判定されてもよい。予め設定された閾値や予め設定された期間は、取引対象の属性(例えば、カテゴリやスペック)毎に設定されるが、取引対象毎に設定されてもよい。
【0092】
推定モデルは、取引対象毎の購買に関する流行の波及の態様を推定するが、取引対象の属性(例えば、カテゴリやスペック)毎の購買に関する流行の波及の態様を推定することもできる。
【0093】
生成部32は、例えば、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の有無を推定するモデルを推定モデルとして生成する。例えば、生成部32は、第1ランキング情報の変動と第2ランキング情報の変動との差に基づいて、推定モデルを生成する。
【0094】
この場合、推定モデルは、例えば、判定対象となる取引対象における第1ランキング情報の変動を示す情報とが特徴量として入力され、判定対象となる取引対象の第1電子商店街4Aから第2電子商店街4Bへの購買の波及の有無を示す情報を出力するモデルである。
【0095】
推定モデルで用いられる特徴量は、例えば、第1電子商店街4Aにおいて流行したと推定されるタイミングまでの情報であり、予め定められた期間の情報であるが、第1電子商店街4Aにおいて流行したと推定されるタイミング以降の情報を含んでいてもよい。
【0096】
例えば、推定モデルで用いられる特徴量は、取引対象が第1電子商店街4Aにおいて売り切れた時点までの予め定められた期間の情報、取引対象が第1電子商店街4Aにおけるランキングの順位が予め定められた順位以上になった時点までの予め定められた期間の情報などであるが、かかる例に限定されない。例えば、推定モデルで用いられる特徴量は、取引対象の第1電子商店街4Aにおける購買数の上昇率が閾値以上になった時点までの予め定められた期間の情報などであってもよい。
【0097】
判定対象となる取引対象における第1ランキング情報の変動を示す情報は、判定対象となる取引対象の第1電子商店街4Aにおける順位の変動を示す情報であり、時系列データである。
【0098】
なお、推定モデルは、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れタイミング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上がさらに特徴量として入力されるモデルであってもよい。
【0099】
生成部32は、例えば、第1ランキング情報において上位の予め定められた順位内になった取引対象がその後に第2ランキング情報において上位の予め定められた順位内になっている場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及がないと判定する。
【0100】
また、生成部32は、第1ランキング情報において順位が上昇していった取引対象がその後に第2ランキング情報において順位が上昇していった場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第1電子商店街4Aから第2電子商店街4Bへの流行の波及がないと判定することもできる。
【0101】
生成部32は、流行の波及があると判定した場合、波及があることを示すラベルを付与するアノテーションを行い、流行の波及がないと判定した場合に、波及がないことを示すラベルを付与するアノテーションを行う。このように、生成部32は、判定対象となる取引対象における第1ランキング情報の変動と第2ランキング情報の変動との差に基づいて、アノテーションを行うことができる。
【0102】
また、生成部32は、第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及するまでの期間である第1波及遅延期間を推定するモデルを推定モデルとして生成することもできる。
【0103】
この場合、推定モデルは、判定対象となる取引対象における第1売り切れタイミングよりを示す情報が特徴量として入力され、第1波及遅延期間を示す情報を出力するモデルである。
【0104】
なお、推定モデルは、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1流入数情報、および第2流入数情報のうちの1以上がさらに特徴量として入力されるモデルであってもよい。
【0105】
推定モデルにおいて、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、および第2ランキング情報は、判定対象となる取引対象の情報であり、予め定められた周期毎の情報である。
【0106】
また、生成部32は、第1売り切れタイミングになった取引対象がその後に第2ランキング情報において上位の予め定められた順位内になった場合に、その取引対象に関して流行の波及があると判定し、そうでない場合に、その取引対象に関して流行の波及がないと判定することもできる。
【0107】
生成部32は、例えば、第1売り切れタイミングから第2売り切れタイミングまでの期間が予め定められた期間以内である取引対象を流行の波及があると判定し、第1売り切れタイミングから第2売り切れタイミングまでの期間が予め定められた期間以内になっていない取引対象を流行の波及がないと判定することもできる。
【0108】
生成部32は、流行の波及があると判定した取引対象における第1売り切れタイミングから第2売り切れタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成する。このように、生成部32は、判定対象となる取引対象における第1売り切れタイミングと第2ランキング情報における変動、判定対象となる取引対象における第1売り切れタイミングと第2売り切れタイミングとの差などに基づいて、アノテーションを行うことができる。
【0109】
推定モデルは、例えば、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上の情報を特徴量として入力し、第1売り切れタイミングから第2売り切れタイミングまでの期間を出力するモデルである。
【0110】
また、生成部32は、電子商店街4への流入数がピークとなるタイミングの差に基づいて、第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及するか否かを判定することもできる。
【0111】
例えば、生成部32は、第1流入数情報に基づいて、第1電子商店街4Aにおいて流入数がピークとなるタイミングである第1ピークタイミングを判定する。また、生成部32は、第2流入数情報に基づいて、第2電子商店街4Bにおいて流入数がピークとなるタイミングである第2ピークタイミングを判定する。
【0112】
そして、生成部32は、第1ピークタイミングから第2ピークタイミングまでの期間が予め定められた期間範囲以内である取引対象において、第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及すると判定し、そうでない場合に、波及しないと判定する。
【0113】
生成部32は、判定した流行の波及の有無を示す情報をラベルとして用いて推定モデルを生成する。この場合、推定モデルは、例えば、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れタイミング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上の情報を特徴量として入力し、第1電子商店街4Aから第2電子商店街4Bへの流行の波及の有無を示す情報を出力するモデルである。
【0114】
生成部32は、流行の波及があると判定した取引対象における第1ピークタイミングから第2ピークタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成したりする。このように、生成部32は、第1電子商店街4Aと第2電子商店街4Bとの流入数の変動の差などに基づいて、アノテーションを行うことができる。なお、ピークタイミングは、電子商店街4単位での流入数のピークのタイミングであるが、判定対象となる取引対象の属性毎の流入数のピークのタイミングであってもよい。
【0115】
この場合、推定モデルは、例えば、第1購買数情報、第2購買数情報、第1在庫数情報、第2在庫数情報、第1ランキング情報、第2ランキング情報、第1売り切れタイミング情報、第1売り切れ期間情報、第1流入数情報、および第2流入数情報などのうちの1以上の情報を特徴量として入力し、第1電子商店街4Aから第2電子商店街4Bに流行が波及するまでの期間を示す情報を出力するモデルである。
【0116】
なお、生成部32は、上述した推定モデルの生成方法と同様の方法によって、第1購買関連情報と第2購買関連情報とに基づいて、第2電子商店街4Bにおける購買に関する流行の第1電子商店街4Aへの波及の態様を推定する推定モデルを生成することもできる。
【0117】
また、生成部32は、例えば、電子商店街4が3以上ある場合、異なる組み合わせの2つの電子商店街4毎に推定モデルを生成することができ、電子商店街4が4以上ある場合、異なる組み合わせの3つの電子商店街4毎に推定モデルを生成することができる。
【0118】
また、生成部32は、上述した推定モデルを取引対象の属性(例えば、カテゴリやスペック)毎に生成することもできる。また、生成部32は、例えば、在庫が予め定められた数以上あった取引対象の情報やメーカー品の取引対象の情報などに限定して上述した推定モデルの生成および推定モデルによる推定に用いることができる。
【0119】
また、生成部32は、検索後の流入が第1電子商店街4Aおよび第2電子商店街4Bの一方のみの取引対象の情報を上述した推定モデルの生成に用いるデータセットから除外することもできる。
【0120】
上述した推定モデルは、機械学習によって生成されるモデルであり、例えば、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、またはディープニューラルネットワークなどのニューラルネットワークによる機械学習によって生成されるが、かかる例に限定されない。
【0121】
例えば、推定モデルは、ニューラルネットワークに代えて、GBDT(Gradient Boosting Decision Tree)、線形回帰またはロジスティック回帰といった学習アルゴリズムによる機械学習を用いて生成されてもよい。
【0122】
〔3.3.4.推定部33〕
推定部33は、受付部31によって波及推定要求が受け付けられた場合、上述した推定モデルを用いて、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の態様(例えば、波及の有無や波及までの期間など)を取引対象毎に推定する。
【0123】
波及推定要求は、流行の波及を判定する取引対象を、すべての取引対象とするのか、特定のカテゴリの取引対象とするのか、特定の取引対象とするのかを示す情報を含んでおり、推定部33は、波及推定要求で特定される取引対象について流行の波及の態様を推定する。
【0124】
例えば、推定部33は、取得部30によって取得された購買関連情報を上述した推定モデルに入力することによって、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の態様(例えば、波及の有無や波及までの期間など)を取引対象毎に推定する。
【0125】
〔3.3.5.提供部34〕
提供部34は、推定部33による推定の結果を示す流行波及推定結果情報を端末装置2に送信する。端末装置2は、情報処理装置1から送信される流行波及推定結果情報を受信すると、受信した流行波及推定結果情報を表示する。これにより、利用者Uは、第2電子商店街4Bでの取引対象の流行を予測することができる。
【0126】
〔4.処理手順〕
次に、実施形態に係る情報処理装置1の処理部12による情報処理の手順について説明する。図6は、実施形態に係る情報処理装置1の処理部12による情報処理の一例を示すフローチャートである。
【0127】
図6に示すように、情報処理装置1の処理部12は、推定モデルの生成タイミングになったか否かを判定する(ステップS10)。推定モデルの生成タイミングは、例えば、予め定められた周期で到来するタイミングであるが、かかる例に限定されない。
【0128】
処理部12は、推定モデルの生成タイミングになったと判定した場合(ステップS10:Yes)、第1購買関連情報と第2購買関連情報とを取得する(ステップS11)。そして、処理部12は、ステップS11で取得した第1購買関連情報と第2購買関連情報に基づいて、推定モデルを生成する(ステップS12)。
【0129】
処理部12は、ステップS12の処理が終了した場合、または推定モデルの生成タイミングになっていないと判定した場合(ステップS10:No)、波及推定要求を受け付けたか否かを判定する(ステップS13)。
【0130】
処理部12は、波及推定要求を受け付けたと判定した場合(ステップS13:Yes)、ステップS12で生成した推定モデルを用いて、第1電子商店街における購買に関する流行の第2電子商店街への波及の態様を推定する(ステップS14)。そして、処理部12は、ステップS14での推定結果を示す情報である流行波及推定結果情報を波及推定要求元の利用者Uに提供する(ステップS15)。
【0131】
処理部12は、ステップS15の処理が終了した場合、または波及推定要求を受け付けていないと判定した場合(ステップS13:No)、動作終了タイミングになったか否かを判定する(ステップS16)。処理部12は、例えば、情報処理装置1の電源がオフにされた場合などに動作終了タイミングになったと判定する。
【0132】
処理部12は、動作終了タイミングになっていないと判定した場合(ステップS16:No)、処理をステップS10へ移行し、動作終了タイミングになったと判定した場合(ステップS16:Yes)、図6に示す処理を終了する。
【0133】
〔5.変形例〕
上述した例では、提供部34は、推定部33による推定の結果を示す流行波及推定結果情報を端末装置2に送信するが、かかる例に限定されない。
【0134】
例えば、提供部34は、予め定められた周期で第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の態様を取引対象毎に推定部33が推定する場合、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及があると推定される取引対象毎に、波及があると推定されたタイミングで、推定部33による推定の結果を示す流行波及推定結果情報を端末装置2に送信することができる。
【0135】
また、提供部34は、波及があると推定された取引対象の情報を、波及があると推定されたタイミングで、かかる取引対象を電子商店街4で販売する仮想店舗の事業者の装置に送信することもできる。
【0136】
〔6.ハードウェア構成〕
上述してきた実施形態に係る情報処理装置1は、例えば図7に示すような構成のコンピュータ80によって実現される。図7は、実施形態に係る情報処理装置1の機能を実現するコンピュータ80の一例を示すハードウェア構成図である。コンピュータ80は、CPU81、RAM82、ROM(Read Only Memory)83、HDD(Hard Disk Drive)84、通信インターフェイス(I/F)85、入出力インターフェイス(I/F)86、およびメディアインターフェイス(I/F)87を有する。
【0137】
CPU81は、ROM83またはHDD84に記憶されたプログラムに基づいて動作し、各部の制御を行う。ROM83は、コンピュータ80の起動時にCPU81によって実行されるブートプログラム、およびコンピュータ80のハードウェアに依存するプログラムなどを記憶する。
【0138】
HDD84は、CPU81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などを記憶する。通信インターフェイス85は、ネットワークN(図2参照)を介して他の機器からデータを受信してCPU81へ送り、CPU81が生成したデータを、ネットワークNを介して他の機器へ送信する。
【0139】
CPU81は、入出力インターフェイス86を介して、ディスプレイおよびプリンタなどの出力装置、および、キーボードまたはマウスなどの入力装置を制御する。CPU81は、入出力インターフェイス86を介して、入力装置からデータを取得する。また、CPU81は、入出力インターフェイス86を介して生成したデータを出力装置へ出力する。
【0140】
メディアインターフェイス87は、記録媒体88に記憶されたプログラムまたはデータを読み取り、RAM82を介してCPU81に提供する。CPU81は、かかるプログラムを、メディアインターフェイス87を介して記録媒体88からRAM82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88は、例えばDVD(Digital Versatile Disc)、PD(Phase change rewritable Disk)などの光学記録媒体、MO(Magneto-Optical disk)などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。
【0141】
例えば、コンピュータ80が実施形態に係る情報処理装置1として機能する場合、コンピュータ80のCPU81は、RAM82上にロードされたプログラムを実行することにより、処理部12の機能を実現する。また、HDD84には、記憶部11内のデータが記憶される。コンピュータ80のCPU81は、これらのプログラムを記録媒体88から読み取って実行するが、他の例として、他の装置からネットワークNを介してこれらのプログラムを取得してもよい。
【0142】
〔7.その他〕
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また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また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。
【0143】
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
【0144】
例えば、上述した情報処理装置1は、端末装置とサーバコンピュータとで実現してもよく、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などをAPIやネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。
【0145】
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。
【0146】
〔8.効果〕
上述してきたように、実施形態に係る情報処理装置1は、第1電子商店街4Aにおける取引対象の購買に関する情報である第1購買関連情報と、第2電子商店街4Bにおける取引対象の購買に関する情報である第2購買関連情報とを取得する取得部30と、取得部30によって取得された第1購買関連情報と第2購買関連情報とに基づいて、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の態様を推定する推定モデルを生成する生成部32とを備える。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及を予測可能にすることができる。
【0147】
また、生成部32は、第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及の有無を推定するモデルを推定モデルとして生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0148】
また、生成部32は、第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及するまでの期間を推定するモデルを推定モデルとして生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0149】
また、第1購買関連情報は、第1電子商店街4Aにおける取引対象の購買のランキング情報である第1ランキング情報を含み、第2購買関連情報は、第2電子商店街4Bにおける取引対象の購買のランキング情報である第2ランキング情報を含み、生成部32は、第1ランキング情報の変動と第2ランキング情報の変動との差に基づいて、推定モデルを生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0150】
また、第1購買関連情報は、第1電子商店街4Aにおいて取引対象が売り切れタイミングである第1売り切れタイミングを示す情報を含み、第2購買関連情報は、第2電子商店街4Bにおける取引対象が売り切れタイミングである第2売り切れタイミングを示す情報を含み、生成部32は、第1売り切れタイミングから第2売り切れタイミングまでの期間に基づいて、推定モデルを生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0151】
また、第1購買関連情報は、第1電子商店街4Aにおいて取引対象が売り切れタイミングである第1売り切れタイミングを示す情報を含み、第2購買関連情報は、第2電子商店街4Bにおける取引対象が売り切れタイミングである第2売り切れタイミングを示す情報を含み、生成部32は、第1売り切れタイミングから第2売り切れタイミングまでの期間が予め定められた期間以内である場合に第1電子商店街4Aにおける購買に関する流行の第2電子商店街4Bへの波及があるとして推定モデルを生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0152】
また、第1購買関連情報は、第1電子商店街4Aにおいて取引対象が売り切れタイミングである第1売り切れタイミングを示す情報を含み、第2購買関連情報は、第2電子商店街4Bにおける取引対象が売り切れタイミングである第2売り切れタイミングを示す情報を含み、生成部32は、第1売り切れタイミングから第2売り切れタイミングまでの期間を第1電子商店街4Aにおける購買に関する流行が第2電子商店街4Bへ波及するまでの期間とする推定モデルを生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0153】
また、生成部32は、取引対象の属性毎に推定モデルを生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0154】
また、生成部32は、第1電子商店街4Aと第2電子商店街4Bとの組み合わせ毎に推定モデルを生成する。これにより、情報処理装置1は、電子商店街間での取引対象の流行の波及を予測可能にすることができる。
【0155】
以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
【0156】
また、上述してきた「部(section、module、unit)」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。
【符号の説明】
【0157】
1 情報処理装置
2 端末装置
4 電子商店街
4A 第1電子商店街
4B 第2電子商店街
10 通信部
11 記憶部
12 処理部
20 電子商店街情報記憶部
21 流入数情報記憶部
30 取得部
31 受付部
32 生成部
33 推定部
34 提供部
100 情報処理システム
N ネットワーク
図1
図2
図3
図4
図5
図6
図7