知財求人 - 知財ポータルサイト「IP Force」
▶ 株式会社Ｎｅｗ Ｏｒｄｉｎａｒｙの特許一覧 ▶ 株式会社三菱総合研究所の特許一覧
特許7592275レコメンドシステム、レコメンドシステムのプログラム、情報処理方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-11-22
(45)【発行日】2024-12-02
(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、情報処理方法
(51)【国際特許分類】
G06Q 30/0251 20230101AFI20241125BHJP
【ＦＩ】
G06Q30/0251
【請求項の数】
9
(21)【出願番号】P 2023209755
(22)【出願日】2023-12-13
【審査請求日】2023-12-18
【新規性喪失の例外の表示】特許法第３０条第２項適用 令和５年３月１０日に大手町三井ホールにおけるイベント「ＭＲＩ ＤＥＭＯ ＤＡＹ ２０２３」で発表 令和５年４月１４日に株式会社三菱総合研究所のウェブサイトの活動計画／報告ページに掲載 ｈｔｔｐｓ：／／ｉｃｆ．ｍｒｉ．ｃｏ．ｊｐ／ａｃｔｉｖｉｔｉｅｓ／ａｃｔｉｖｉｔｉｅｓ－１１６４２／ 令和５年４月１４日に株式会社三菱総合研究所のウェブサイトのイベントレポートページに掲載 ｈｔｔｐｓ：／／ｉｃｆ．ｍｒｉ．ｃｏ．ｊｐ／ｎｏｔｅ／ｍｒｉ－ｄｅｍｏｄａｙ２０２３ｒｅｐｏｒｔ４／ 令和５年９月２９日に株式会社三菱総合研究所のウェブサイトのニュースリリースページに掲載 ｈｔｔｐｓ：／／ｗｗｗ．ｍｒｉ．ｃｏ．ｊｐ／ｎｅｗｓ／ｐｒｅｓｓ／２０２３０９２９．ｈｔｍｌ 令和５年９月２９日にＰＲ ＴＩＭＥＳのウェブサイトのプレスリリースページに掲載 ｈｔｔｐｓ：／／ｐｒｔｉｍｅｓ．ｊｐ／ｍａｉｎ／ｈｔｍｌ／ｒｄ／ｐ／００００００００６．００００８０１４３．ｈｔｍｌ 令和５年９月２９日に東武鉄道株式会社のウェブサイトの東武鉄道からのお知らせ・ニュースリリースページに掲載 ｈｔｔｐｓ：／／ｗｗｗ．ｔｏｂｕ．ｃｏ．ｊｐ／ｃｍｓ－ｐｄｆ／ｒｅｌｅａｓｅｓ／２０２３０９２９１０２９３５ＤｑＨＢＧ４０Ｏ０ｖｋ６ｅＡ－ｗｍ５Ｋｆ４ｗ．ｐｄｆ 令和５年１０月２０日に株式会社三菱総合研究所の本社におけるイベント「２０２３年度 ＩＣＦ中間報告会『ＩＣＦ Ｍｉｄｔｅｒｍ Ｇａｔｈｅｒｉｎｇ２０２３』」で発表 令和５年１０月２６日に株式会社三菱総合研究所のウェブサイトの活動計画／報告ページに掲載 ｈｔｔｐｓ：／／ｉｃｆ．ｍｒｉ．ｃｏ．ｊｐ／ａｃｔｉｖｉｔｉｅｓ／ａｃｔｉｖｉｔｉｅｓ－１５７６３／
(73)【特許権者】
【識別番号】520173428
【氏名又は名称】株式会社Ｎｅｗ Ｏｒｄｉｎａｒｙ
(73)【特許権者】
【識別番号】591115475
【氏名又は名称】株式会社三菱総合研究所
(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】木根原 良樹
(72)【発明者】
【氏名】志田 龍亮
(72)【発明者】
【氏名】酒井 博司
(72)【発明者】
【氏名】磯野 文暁
(72)【発明者】
【氏名】村松 美夏
【審査官】野元 久道
(56)【参考文献】
【文献】特開２０２３－０７００２７（ＪＰ，Ａ）
【文献】特開２０２０－０４７１５６（ＪＰ，Ａ）
【文献】特許第７３２５５９８（ＪＰ，Ｂ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【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目的地またはサービスをお勧めするレコメンドシステムであって、ユーザーの属性情報および予め設定された所定の行動のカテゴリに分けられた行動の項目に関する情報であるカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、前記推定モデルが、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報毎に設けられ、前記推定モデルでは、ユーザーの属性情報に関連付けられたカテゴリ別行動情報に対してウェルビーイング値の増減の変化量が推定値として定められて、さらに、前記カテゴリ別行動情報が、データベースの目的地情報またはサービス情報と関連付けられていて、
前記ユーザー端末において所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択し、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて、ウェルビーイング値を増加させるカテゴリ別行動情報と関連付けられた目的地情報またはサービス情報を、目的地情報またはサービス情報を有したデータベースからウェルビーイング値増加量について最上位のもの１つまたは上位のもの複数ピックアップして絞り込むとともに絞り込んだ目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドを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】
前記ユーザー端末の現在地情報に基づいてレコメンドの目的地に到達したと判定した際、または、ユーザー端末においてレコメンドのサービス申込み操作が完了したと判定した際、前記ユーザー端末またはサーバが、レコメンドによるユーザーのカテゴリ別行動情報と、ユーザーの属性情報と、ユーザーの属性情報に対応する推定モデルとに基づいて満足度と相関のあるウェルビーイング値を算出して属性情報と目的地情報またはサービス情報と関連付けてデータベースに蓄積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】
前記ユーザー端末の現在地情報に基づいてレコメンドの目的地に到達したと判定した際、または、ユーザー端末においてレコメンドのサービス申込み操作が完了したと判定した際、ユーザー端末の表示部に満足度の評価項目を表示し、満足度の評価情報である行動価値情報が入力されると、前記ユーザー端末またはサーバが、レコメンドによるユーザーのカテゴリ別行動情報と、入力された行動価値情報と、ユーザーの属性情報と、ユーザーの属性情報に対応する推定モデルとに基づいて満足度と相関のあるウェルビーイング値を算出して属性情報と目的地情報またはサービス情報と関連付けてデータベースに蓄積する構成であることを特徴とする請求項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、目的地情報またはサービス情報に加えて、前記満足度と相関のあるウェルビーイング値の指標項目と関連する理由情報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２または請求項３に記載のレコメンドシステム。
【請求項5】
前記ユーザー端末またはサーバが、データベースに蓄積したユーザーの属性情報別のウェルビーイング値を、属性情報別に推定モデルにフィードバックする構成であることを特徴とする請求項２または請求項３に記載のレコメンドシステム。
【請求項6】
前記レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて目的地情報またはサービス情報を絞り込む際、ウェルビーイング値が高まった実績のある目的地情報またはサービス情報を他の目的地情報またはサービス情報より優先して取り扱い、ユーザー端末の表示部に表示してレコメンドをする構成であることを特徴とする請求項２または請求項３に記載のレコメンドシステム。
【請求項7】
前記ユーザー端末の表示部において、ウェルビーイング値が高まった実績のある目的地情報をマップ上に表示自在にするとともに、ウェルビーイング値が高まった実績数に応じて変化する形式で表示する構成であることを特徴とする請求項２または請求項３に記載のレコメンドシステム。
【請求項8】
ユーザー端末とサーバとを備えてユーザーに対して目的地またはサービス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、ユーザーの属性情報および予め設定された所定の行動のカテゴリに分けられた行動の項目に関する情報であるカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、前記推定モデルが、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報毎に設けられ、前記推定モデルでは、ユーザーの属性情報に関連付けられたカテゴリ別行動情報に対してウェルビーイング値の増減の変化量が推定値として定められて、さらに、前記カテゴリ別行動情報が、データベースの目的地情報またはサービス情報と関連付けられていて、
前記ユーザー端末において所定操作があったか否かを判定する所定操作有無判定ステップと、
前記所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する推定モデル選択ステップと、
前記レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて、ウェルビーイング値を増加させるカテゴリ別行動情報と関連付けられた目的地情報またはサービス情報を、目的地情報またはサービス情報を有したデータベースからウェルビーイング値増加量について最上位のもの１つまたは上位のもの複数ピックアップして絞り込む類似範囲内目的地・サービス絞り込みステップと、
前記ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする類似属性目的地・サービスレコメンド表示ステップとを有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。
【請求項9】
ユーザーに対して目的地またはサービスをお勧めする情報処理方法であって、ユーザーの属性情報および予め設定された所定の行動のカテゴリに分けられた行動の項目に関する情報であるカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、前記推定モデルが、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報毎に設けられ、前記推定モデルでは、ユーザーの属性情報に関連付けられたカテゴリ別行動情報に対してウェルビーイング値の増減の変化量が推定値として定められて、さらに、前記カテゴリ別行動情報が、データベースの目的地情報またはサービス情報と関連付けられていて、
ユーザー端末において所定操作があったか否かを判定する工程と、
前記所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する工程と、
前記レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて、ウェルビーイング値を増加させるカテゴリ別行動情報と関連付けられた目的地情報またはサービス情報を、目的地情報またはサービス情報を有したデータベースからウェルビーイング値増加量について最上位のもの１つまたは上位のもの複数ピックアップして絞り込む工程と、
前記ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする工程とを有していることを特徴とする情報処理方法。
【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目的地またはサービスをお勧めするレコメンドシステム、そのプログラム、および、情報処理方法に関する。
【背景技術】
【0002】
従来、ユーザー端末とサーバとを備え、ユーザー端末においてユーザーの現在のシチュエーション情報が入力されると、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、予め入力されたユーザーの嗜好情報と、入力されたユーザーの現在のシチュエーション情報と、ユーザー端末の現在地情報とに基づいて移動手段情報を考慮して目的地情報を絞り込むとともに移動手段情報を含む経路情報を絞り込み、絞り込んだ経路情報と目的地情報とをセットでユーザー端末の表示部に表示してレコメンドするレコメンドシステムが知られている（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０２３－０１２９９５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ドシステムは、ユーザーが好みの例えば目的地情報および経路情報の両者をセットにしてユーザーに対して提供する構成であったため、ユーザーの本質的な幸福度について十分考慮されていなかった。
【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、推定モデルに係る属性と類似する属性情報のユーザーの幸福度を高めることができるレコメンドシステム、そのプログラム、および、情報処理方法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目的地またはサービスをお勧めするレコメンドシステムであって、ユーザーの属性情報および予め設定された所定の行動のカテゴリに分けられた行動の項目に関する情報であるカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、前記推定モデルが、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報毎に設けられ、前記推定モデルでは、ユーザーの属性情報に関連付けられたカテゴリ別行動情報に対してウェルビーイング値の増減の変化量が推定値として定められて、さらに、前記カテゴリ別行動情報が、データベースの目的地情報またはサービス情報と関連付けられていて、前記ユーザー端末において所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択し、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて、ウェルビーイング値を増加させるカテゴリ別行動情報と関連付けられた目的地情報またはサービス情報を、目的地情報またはサービス情報を有したデータベースからウェルビーイング値増加量について最上位のもの１つまたは上位のもの複数ピックアップして絞り込むとともに絞り込んだ目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドを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、前記ユーザー端末の現在地情報に基づいてレコメンドの目的地に到達したと判定した際、または、ユーザー端末においてレコメンドのサービス申込み操作が完了したと判定した際、前記ユーザー端末またはサーバが、レコメンドによるユーザーのカテゴリ別行動情報と、ユーザーの属性情報と、ユーザーの属性情報に対応する推定モデルとに基づいて満足度と相関のあるウェルビーイング値を算出して属性情報と目的地情報またはサービス情報と関連付けてデータベースに蓄積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、前記ユーザー端末の現在地情報に基づいてレコメンドの目的地に到達したと判定した際、または、ユーザー端末においてレコメンドのサービス申込み操作が完了したと判定した際、ユーザー端末の表示部に満足度の評価項目を表示し、満足度の評価情報である行動価値情報が入力されると、前記ユーザー端末またはサーバが、レコメンドによるユーザーのカテゴリ別行動情報と、入力された行動価値情報と、ユーザーの属性情報と、ユーザーの属性情報に対応する推定モデルとに基づいて満足度と相関のあるウェルビーイング値を算出して属性情報と目的地情報またはサービス情報と関連付けてデータベースに蓄積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２または請求項３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、目的地情報またはサービス情報に加えて、前記満足度と相関のあるウェルビーイング値の指標項目と関連する理由情報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。
【0010】
本請求項５に係る発明は、請求項２または請求項３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、データベースに蓄積したユーザーの属性情報別のウェルビーイング値を、属性情報別に推定モデルにフィードバック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、請求項２または請求項３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、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて目的地情報またはサービス情報を絞り込む際、ウェルビーイング値が高まった実績のある目的地情報またはサービス情報を他の目的地情報またはサービス情報より優先して取り扱い、ユーザー端末の表示部に表示してレコメンドを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。
【0012】
本請求項７に係る発明は、請求項２または請求項３に記載されたレコメンドシステムの構成に加えて、前記ユーザー端末の表示部において、ウェルビーイング値が高まった実績のある目的地情報をマップ上に表示自在にするとともに、ウェルビーイング値が高まった実績数に応じて変化する形式で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。
【0013】
本請求項８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目的地またはサービス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、ユーザーの属性情報および予め設定された所定の行動のカテゴリに分けられた行動の項目に関する情報であるカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、前記推定モデルが、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報毎に設けられ、前記推定モデルでは、ユーザーの属性情報に関連付けられたカテゴリ別行動情報に対してウェルビーイング値の増減の変化量が推定値として定められて、さらに、前記カテゴリ別行動情報が、データベースの目的地情報またはサービス情報と関連付けられていて、前記ユーザー端末において所定操作があったか否かを判定する所定操作有無判定ステップと、前記所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する推定モデル選択ステップと、前記レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて、ウェルビーイング値を増加させるカテゴリ別行動情報と関連付けられた目的地情報またはサービス情報を、目的地情報またはサービス情報を有したデータベースからウェルビーイング値増加量について最上位のもの１つまたは上位のもの複数ピックアップして絞り込む類似範囲内目的地・サービス絞り込みステップと、前記ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする類似属性目的地・サービスレコメンド表示ステップとを有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。
【0014】
本請求項９に係る発明は、ユーザーに対して目的地またはサービスをお勧めする情報処理方法であって、ユーザーの属性情報および予め設定された所定の行動のカテゴリに分けられた行動の項目に関する情報であるカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、前記推定モデルが、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報毎に設けられ、前記推定モデルでは、ユーザーの属性情報に関連付けられたカテゴリ別行動情報に対してウェルビーイング値の増減の変化量が推定値として定められて、さらに、前記カテゴリ別行動情報が、データベースの目的地情報またはサービス情報と関連付けられていて、ユーザー端末において所定操作があったか否かを判定する工程と、前記所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する工程と、前記レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいて、ウェルビーイング値を増加させるカテゴリ別行動情報と関連付けられた目的地情報またはサービス情報を、目的地情報またはサービス情報を有したデータベースからウェルビーイング値増加量について最上位のもの１つまたは上位のもの複数ピックアップして絞り込む工程と、前記ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする工程とを有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】
【0015】
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目的地またはサービス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。
【0016】
本請求項１に係る発明のレコメンドシステムによれば、推定モデルに係る属性と類似する属性情報のユーザーに対してウェルビーイング値を上げることができそうな目的地情報またはサービス情報がレコメンドされるため、推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増えるため、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかるため、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増えるため、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかるため、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0017】
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、レコメンドに沿った行動後にウェルビーイング値が算出されるため、ウェルビーイング値の精度をより高めることができ、推定モデルに係る属性と類似する属性情報の多数のユーザーの本質的な幸福度を高めることができる。
さらに、ウェルビーイング値が高まった属性情報と目的地情報またはサービス情報とがセットでデータベースに徐々に蓄積されるため、ユーザーの利用に応じてウェルビーイング値を上げることができそうな目的地情報またはサービス情報のレコメンドの精度を向上させることができる。
さらに、ウェルビーイング値が高まった属性情報と目的地情報またはサービス情報とがセットでデータベースに徐々に蓄積されるため、ユーザーの利用に応じてウェルビーイング値を上げることができそうな目的地情報またはサービス情報のレコメンドの精度を向上させることができる。
【0018】
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２に係る発明が奏する効果に加えて、レコメンドに沿った行動後に満足度の評価情報である行動価値情報を入力してもらってウェルビーイング値が算出されるため、ウェルビーイング値の精度をより高めることができ、推定モデルに係る属性と類似する属性情報の多数のユーザーの本質的な幸福度を高めることができる。
【0019】
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２または請求項３に係る発明が奏する効果に加えて、レコメンドの理由情報が表示部に表示されるため、ユーザーはレコメンドの目的地へ移動する目的や理由、または、レコメンドのサービスを受ける目的や理由を明確に理解してから行動することができる。
さらに、目的・理由を理解して意識するため、ユーザーの本質的な幸福度をより高めることができる。
また、その目的地のエリアへどんな理由で来ているかがわかるため、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
さらに、目的・理由を理解して意識するため、ユーザーの本質的な幸福度をより高めることができる。
また、その目的地のエリアへどんな理由で来ているかがわかるため、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0020】
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２または請求項３に係る発明が奏する効果に加えて、データベースに蓄積された情報が推定モデルにフィードバックされるため、ユーザーを幸福にするレコメンドの精度を徐々に向上させることができる。
【0021】
本請求項６に係る発明のレコメンドシステムによれば、請求項２または請求項３に係る発明が奏する効果に加えて、ウェルビーイング値が高まった実績のある目的地情報またはサービス情報が他の目的地情報またはサービス情報より優先してレコメンドされるため、より一層、ユーザーのウェルビーイング値を徐々に高めることができ、ユーザーの本質的な幸福度を高めることができる。
さらに、ユーザーの幸福度が高まると消費意欲が増すため、そのレコメンドの目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
さらに、ユーザーの幸福度が高まると消費意欲が増すため、そのレコメンドの目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
【0022】
本請求項７に係る発明のレコメンドシステムによれば、請求項２または請求項３に係る発明が奏する効果に加えて、ユーザー端末の表示部のマップ上にウェルビーイング値が高まった実績数に応じて変化する形式で目的地情報が表示されるため、ユーザーは実績のある目的地情報を一目で理解することができ、ユーザーの行動意欲を刺激してその地域経済の活性化をより促進させることができる。
さらに、そのエリアの事業者にとって自分たちの特徴が目に見える形で表示されるため、そのエリアの事業者の特徴をユーザーへ目に見える形でアピールすることができる。
なお、どんなウェルビーイング値が高まる目的地なのかの項目情報や、どんな満足度が高いのかの項目情報をも表示することで、ユーザーはその目的地へ行くことによりどんなウェルビーイング値を高めることができるのか、どんな満足度を高めることができるのかを簡単に知ることができる。
例えば、何を求めているユーザーがどこに多く来ているのかを簡単に理解することができる。
また、この目的地では新しい発見の項目の満足度が高いユーザーが多いことなどを簡単に理解することができる。
さらに、そのエリアの事業者にとって自分たちの特徴が目に見える形で表示されるため、そのエリアの事業者の特徴をユーザーへ目に見える形でアピールすることができる。
なお、どんなウェルビーイング値が高まる目的地なのかの項目情報や、どんな満足度が高いのかの項目情報をも表示することで、ユーザーはその目的地へ行くことによりどんなウェルビーイング値を高めることができるのか、どんな満足度を高めることができるのかを簡単に知ることができる。
例えば、何を求めているユーザーがどこに多く来ているのかを簡単に理解することができる。
また、この目的地では新しい発見の項目の満足度が高いユーザーが多いことなどを簡単に理解することができる。
【0023】
本請求項８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、推定モデルに係る属性と類似する属性情報のユーザーに対してウェルビーイング値を上げることができそうな目的地情報またはサービス情報がレコメンドされるため、推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増えるため、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかるため、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増えるため、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかるため、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0024】
本請求項９に係る発明の情報処理方法によれば、請求項１、請求項８に係る発明が奏する効果と同様、推定モデルに係る属性と類似する属性情報のユーザーに対してウェルビーイング値を上げることができそうな目的地情報またはサービス情報がレコメンドされるため、推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増えるため、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかるため、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増えるため、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかるため、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【図面の簡単な説明】
【0025】
【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】本発明の実施例であるレコメンドシステムのマイページ画面の一例を示す図。
【図4】本発明の実施例であるレコメンドシステムのあなたの気分画面の一例を示す図。
【図5】本発明の実施例であるレコメンドシステムで用いられる第１態様の推定モデルの一例を説明するための図。
【図6】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画面の一例を示す図。
【図7】本発明の実施例であるレコメンドシステムで用いられる第２態様の推定モデルの一例を説明するための図。
【図8】本発明の実施例であるレコメンドシステムの満足度の評価入力ウィンドウの一例を示す図。
【図9】本発明の実施例であるレコメンドシステムの検索画面の一例を示す図。
【発明を実施するための形態】
【0026】
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、ユーザーの属性情報およびカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、ユーザー端末において所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択し、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいてウェルビーイング値を増加させた目的地情報またはサービス情報を絞り込むとともに絞り込んだ目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする構成であることにより、推定モデルに係る属性と類似する属性情報の多数のユーザーに目的地情報またはサービス情報をレコメンドして推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができるものであれば、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、ユーザー端末において所定操作があったか否かを判定する所定操作有無判定ステップと、所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する推定モデル選択ステップと、レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいてウェルビーイング値を増加させた目的地情報またはサービス情報を絞り込む類似範囲内目的地・サービス絞り込みステップと、ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする類似属性目的地・サービスレコメンド表示ステップとを有していることにより、推定モデルに係る属性と類似する属性情報の多数のユーザーに目的地情報またはサービス情報をレコメンドして推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができるものであれば、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。
さらに、本発明の情報処理方法は、ユーザー端末において所定操作があったか否かを判定する工程と、所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する工程と、レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいてウェルビーイング値を増加させた目的地情報またはサービス情報を絞り込む工程と、ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする工程とを有していることにより、推定モデルに係る属性と類似する属性情報の多数のユーザーに目的地情報またはサービス情報をレコメンドして推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができるものであれば、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、ユーザー端末において所定操作があったか否かを判定する所定操作有無判定ステップと、所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する推定モデル選択ステップと、レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいてウェルビーイング値を増加させた目的地情報またはサービス情報を絞り込む類似範囲内目的地・サービス絞り込みステップと、ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする類似属性目的地・サービスレコメンド表示ステップとを有していることにより、推定モデルに係る属性と類似する属性情報の多数のユーザーに目的地情報またはサービス情報をレコメンドして推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができるものであれば、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。
さらに、本発明の情報処理方法は、ユーザー端末において所定操作があったか否かを判定する工程と、所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択する工程と、レコメンド手段が、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいてウェルビーイング値を増加させた目的地情報またはサービス情報を絞り込む工程と、ユーザー端末が、絞り込まれた目的地情報またはサービス情報をユーザー端末の表示部に表示してレコメンドをする工程とを有していることにより、推定モデルに係る属性と類似する属性情報の多数のユーザーに目的地情報またはサービス情報をレコメンドして推定モデルに係る属性と類似する属性情報の多数のユーザーの幸福度を高めることができるものであれば、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。
【0027】
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、推定モデルは、典型的には、ある属性に属するユーザーがある行動を実施した場合のウェルビーイング値の増加分又は減少分を推定するためのモデルである。
一例としては、ある行動を取れば必ずウェルビーイング値が増加するという思想の下、ウェルビーイング値が減少せずに、増加だけする推定モデルを利用してもよい。
また、ウェルビーイングとは、「健康で幸福な状態。良好な状態。満足の行く状態。」のことをいい、ウェルビーイング値は、このような状態に関する値であって、高まる方が幸福、良好又は満足の行く状態であることを意味する。
さらに、属性情報は、性別、年齢、既婚・未婚の別、活発度、職種、年収、家族構成、勤務先等を有してもよい。
活発度に関しては、ユーザー端末から入力される趣味等の情報（スケジュール情報など）やユーザー端末から得られた情報（歩数計機能の情報など）を考慮して、判断されるようにしてもよい。
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、推定モデルは、典型的には、ある属性に属するユーザーがある行動を実施した場合のウェルビーイング値の増加分又は減少分を推定するためのモデルである。
一例としては、ある行動を取れば必ずウェルビーイング値が増加するという思想の下、ウェルビーイング値が減少せずに、増加だけする推定モデルを利用してもよい。
また、ウェルビーイングとは、「健康で幸福な状態。良好な状態。満足の行く状態。」のことをいい、ウェルビーイング値は、このような状態に関する値であって、高まる方が幸福、良好又は満足の行く状態であることを意味する。
さらに、属性情報は、性別、年齢、既婚・未婚の別、活発度、職種、年収、家族構成、勤務先等を有してもよい。
活発度に関しては、ユーザー端末から入力される趣味等の情報（スケジュール情報など）やユーザー端末から得られた情報（歩数計機能の情報など）を考慮して、判断されるようにしてもよい。
【実施例】
【0028】
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９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は、本発明の実施例であるレコメンドシステム１００のマイページ画面１１２の一例を示す図であり、図４は、本発明の実施例であるレコメンドシステム１００のあなたの気分画面１１３の一例を示す図であり、図５は、本発明の実施例であるレコメンドシステム１００で用いられる第１態様の推定モデルＥＭの一例を説明するための図であり、図６は、本発明の実施例であるレコメンドシステム１００のレコメンド画面１１４の一例を示す図であり、図７は、本発明の実施例であるレコメンドシステム１００で用いられる第２態様の推定モデルＥＭの一例を説明するための図であり、図８は、本発明の実施例であるレコメンドシステム１００の満足度の評価入力ウィンドウ１１５の一例を示す図であり、図９は、本発明の実施例であるレコメンドシステム１００の検索画面１１６の一例を示す図である。
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は、本発明の実施例であるレコメンドシステム１００のマイページ画面１１２の一例を示す図であり、図４は、本発明の実施例であるレコメンドシステム１００のあなたの気分画面１１３の一例を示す図であり、図５は、本発明の実施例であるレコメンドシステム１００で用いられる第１態様の推定モデルＥＭの一例を説明するための図であり、図６は、本発明の実施例であるレコメンドシステム１００のレコメンド画面１１４の一例を示す図であり、図７は、本発明の実施例であるレコメンドシステム１００で用いられる第２態様の推定モデルＥＭの一例を説明するための図であり、図８は、本発明の実施例であるレコメンドシステム１００の満足度の評価入力ウィンドウ１１５の一例を示す図であり、図９は、本発明の実施例であるレコメンドシステム１００の検索画面１１６の一例を示す図である。
【0029】
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とを備えている。
ユーザー端末１１０および店舗端末１３０は、サーバ１２０と通信自在に設けられている。
そして、レコメンドシステム１００は、店舗端末１３０などから入力された最新の商品・サービス・場所などの情報のデータベース１２１を有し、ユーザーに対して目的地またはサービスをお勧めするように設けられている。
ユーザー端末１１０および店舗端末１３０は、サーバ１２０と通信自在に設けられている。
そして、レコメンドシステム１００は、店舗端末１３０などから入力された最新の商品・サービス・場所などの情報のデータベース１２１を有し、ユーザーに対して目的地またはサービスをお勧めするように設けられている。
【0030】
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、予めユーザーの属性情報ＡＴや嗜好情報ＬＫを入力しておく。
属性情報ＡＴの入力について、例えば、ユーザー端末１１０の表示部１１１に表示されるレコメンドシステム１００の「ユーザー登録」画面（図示せず）において、性別、年齢、既婚・未婚の別、活発度、職種、年収、家族構成、勤務先等の属性情報ＡＴを入力する。
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、予めユーザーの属性情報ＡＴや嗜好情報ＬＫを入力しておく。
属性情報ＡＴの入力について、例えば、ユーザー端末１１０の表示部１１１に表示されるレコメンドシステム１００の「ユーザー登録」画面（図示せず）において、性別、年齢、既婚・未婚の別、活発度、職種、年収、家族構成、勤務先等の属性情報ＡＴを入力する。
【0031】
また、嗜好情報ＬＫの入力の仕方について、例えば、ユーザー端末１１０の表示部１１１に表示されるレコメンドシステム１００の「好きなこと」画面（図示せず）において、グルメ、カフェ、アウトドア、買い物、お出かけ、エンターテイメント、ファッション、インドアなどのカテゴリがあり、それぞれのカテゴリ内にそのカテゴリに関連した内容の複数の写真が表示されている。
そして、ユーザーが、好きなものが写った写真を１つまたは複数選択する。
各写真には、写った内容を示すタグ情報が付加されている。
ユーザーによって写真が選択されると、選択された写真のタグ情報が、ユーザーの好きなものの情報である嗜好情報ＬＫとして付加されるように構成されている。
そして、ユーザーが、好きなものが写った写真を１つまたは複数選択する。
各写真には、写った内容を示すタグ情報が付加されている。
ユーザーによって写真が選択されると、選択された写真のタグ情報が、ユーザーの好きなものの情報である嗜好情報ＬＫとして付加されるように構成されている。
【0032】
なお、写真の他に、アイコン、キーワード、音声などを選択する構成にしてもよい。
アイコン、キーワード、音声には、何らかのものが表されている。
音声の場合、ボタンを表示し、ボタンが操作されたときに何らかのものが音声出力されるようにし、ボタンが選択されることにより、ボタンの内容のタグ情報が、嗜好情報ＬＫとして付加される。
また、ユーザーが、ユーザー端末１１０におけるマイクを用いて好きなものについて音声入力してもよいし、入力キーを用いて、文章や単語で好きなものについてテキスト入力して、その情報が、嗜好情報ＬＫとして付加されるように構成してもよい。
さらに、ユーザー端末１１０の表示部１１１に表示されるレコメンドシステム１００の「あなたの性格」画面（図示せず）において、複数の簡単な質問が設けられている。
アイコン、キーワード、音声には、何らかのものが表されている。
音声の場合、ボタンを表示し、ボタンが操作されたときに何らかのものが音声出力されるようにし、ボタンが選択されることにより、ボタンの内容のタグ情報が、嗜好情報ＬＫとして付加される。
また、ユーザーが、ユーザー端末１１０におけるマイクを用いて好きなものについて音声入力してもよいし、入力キーを用いて、文章や単語で好きなものについてテキスト入力して、その情報が、嗜好情報ＬＫとして付加されるように構成してもよい。
さらに、ユーザー端末１１０の表示部１１１に表示されるレコメンドシステム１００の「あなたの性格」画面（図示せず）において、複数の簡単な質問が設けられている。
【0033】
例えば、「初対面の人に会うことが好きで、初対面でも相手との会話を楽しむことができる」などの質問が設けられている。
そして、一例として、５段階評価のように、全く当てはまらない、ほとんど当てはまらない、どちらともいえない、やや当てはまる、完全に当てはまるなどを各質問に対してユーザーが直感的に回答するように設けられている。
ユーザーによってこれらの回答が入力されると、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、回答情報から分析してユーザータイプ傾向情報ＴＰを得る。
そして、一例として、５段階評価のように、全く当てはまらない、ほとんど当てはまらない、どちらともいえない、やや当てはまる、完全に当てはまるなどを各質問に対してユーザーが直感的に回答するように設けられている。
ユーザーによってこれらの回答が入力されると、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、回答情報から分析してユーザータイプ傾向情報ＴＰを得る。
【0034】
さらに本実施例では、ユーザーの属性情報ＡＴおよびカテゴリ別行動情報ＣＡに基づいてウェルビーイング値を予め推定した推定モデルＥＭがある。
ここで、推定モデルＥＭは、アンケートを実施する等して、分類される属性毎にカテゴリ別行動情報ＣＡに対応して予め作成されてもよい。また、データを蓄積するための期間を設け、蓄積されたデータを用いて推定モデルＥＭが生成されてもよい。具体的には、データを蓄積するための期間において、ユーザーがある行動を行った場合に、そのユーザーの属性情報ＡＴとともに、行動１～１９のいずれかの行動又は行動量を入力し、それに伴う指標１～９の各々に対するウェルビーイング指標を入力するようにしてもよい。
ここで、推定モデルＥＭは、アンケートを実施する等して、分類される属性毎にカテゴリ別行動情報ＣＡに対応して予め作成されてもよい。また、データを蓄積するための期間を設け、蓄積されたデータを用いて推定モデルＥＭが生成されてもよい。具体的には、データを蓄積するための期間において、ユーザーがある行動を行った場合に、そのユーザーの属性情報ＡＴとともに、行動１～１９のいずれかの行動又は行動量を入力し、それに伴う指標１～９の各々に対するウェルビーイング指標を入力するようにしてもよい。
【0035】
そして、ユーザー端末１１０において所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴが入力されたとする。
すると、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴに基づいて、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭを選択する。
なお、所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴの入力操作を挙げたが、これに限らない。
例えば、目的地情報ＤＮやサービス情報についての検索操作であってもよい。
所定操作は、ユーザーが目的地情報ＤＮやサービス情報の表示を求めるための操作であればよい。
すると、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴに基づいて、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭを選択する。
なお、所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴの入力操作を挙げたが、これに限らない。
例えば、目的地情報ＤＮやサービス情報についての検索操作であってもよい。
所定操作は、ユーザーが目的地情報ＤＮやサービス情報の表示を求めるための操作であればよい。
【0036】
そして、レコメンド手段が、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭと、任意の要素の一例であるユーザー端末１１０の現在地情報とに基づいてウェルビーイング値を増加させた目的地情報ＤＮを絞り込む。
ここで、絞り込みは、多数ある情報を少数の情報に少なくなればよく、少数は、１つまたは複数である。
これとともに、レコメンド手段が、絞り込んだ目的地情報ＤＮをユーザー端末１１０の表示部１１１に表示してレコメンドをするように構成されている。
なお、目的地情報ＤＮを絞り込んだが、ウェルビーイング値を増加させたサービス情報絞り込んで、レコメンド表示してもよい。
また、推定モデルＥＭでは、一例として目的地情報ＤＮやサービス情報がカテゴリ別行動情報ＣＡと関連付けられている。
ここで、絞り込みは、多数ある情報を少数の情報に少なくなればよく、少数は、１つまたは複数である。
これとともに、レコメンド手段が、絞り込んだ目的地情報ＤＮをユーザー端末１１０の表示部１１１に表示してレコメンドをするように構成されている。
なお、目的地情報ＤＮを絞り込んだが、ウェルビーイング値を増加させたサービス情報絞り込んで、レコメンド表示してもよい。
また、推定モデルＥＭでは、一例として目的地情報ＤＮやサービス情報がカテゴリ別行動情報ＣＡと関連付けられている。
【0037】
上記の構成を言い換えると、ユーザー端末１１０において所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴが入力されたとする。
すると、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴと、一例として入力されたユーザーの現在のシチュエーション情報ＳＴと、任意の要素であるユーザー端末１１０の現在地情報とに基づいて目的地情報ＤＮやサービス情報を絞り込むとともにユーザー端末１１０の表示部１１１に表示してレコメンドをする。
すると、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴと、一例として入力されたユーザーの現在のシチュエーション情報ＳＴと、任意の要素であるユーザー端末１１０の現在地情報とに基づいて目的地情報ＤＮやサービス情報を絞り込むとともにユーザー端末１１０の表示部１１１に表示してレコメンドをする。
【0038】
そして、ユーザー端末１１０またはサーバ１２０が、レコメンドに沿ったユーザーのカテゴリ別行動情報ＣＡに基づいてウェルビーイング値を算出して目的地情報ＤＮやサービス情報および属性情報ＡＴと関連付けてデータベース１２１に蓄積する。この蓄積されたものが、推定モデルＥＭとなってもよい。
続いて、他のユーザー端末１１０において所定操作の一例として他のユーザーの現在のシチュエーション情報ＳＴが入力された際、レコメンド手段が、予め入力された他のユーザーの属性情報ＡＴと、任意の要素である他のユーザー端末１１０の現在地情報とに基づいて、他のユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴのユーザーのウェルビーイング値を増加させた目的地情報ＤＮやサービス情報を絞り込むとともに他のユーザー端末１１０の表示部１１１に表示してレコメンドをするように構成されている。
続いて、他のユーザー端末１１０において所定操作の一例として他のユーザーの現在のシチュエーション情報ＳＴが入力された際、レコメンド手段が、予め入力された他のユーザーの属性情報ＡＴと、任意の要素である他のユーザー端末１１０の現在地情報とに基づいて、他のユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴのユーザーのウェルビーイング値を増加させた目的地情報ＤＮやサービス情報を絞り込むとともに他のユーザー端末１１０の表示部１１１に表示してレコメンドをするように構成されている。
【0039】
これにより、推定モデルＥＭに係る属性と類似する属性情報ＡＴのユーザーに対してウェルビーイング値を上げることができそうな目的地情報ＤＮまたはサービス情報がレコメンドされる。
その結果、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの幸福度を高めることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増える。
その結果、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかる。
その結果、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができる。
そして、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
その結果、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの幸福度を高めることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増える。
その結果、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかる。
その結果、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができる。
そして、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0040】
続いて、レコメンドシステム１００の動作例（情報処理方法）について、詳しく説明する。
図２に示すように、ステップＳ１では、属性・嗜好情報入力判定ステップとして、ユーザー端末１１０においてユーザーの属性情報ＡＴ、嗜好情報ＬＫが入力されたか否かを判定する。
ユーザーの属性情報ＡＴ、嗜好情報ＬＫが入力されたと判定した場合はステップＳ２へ進み、他方、まだないと判定した場合はステップＳ１を繰り返す。
図２に示すように、ステップＳ１では、属性・嗜好情報入力判定ステップとして、ユーザー端末１１０においてユーザーの属性情報ＡＴ、嗜好情報ＬＫが入力されたか否かを判定する。
ユーザーの属性情報ＡＴ、嗜好情報ＬＫが入力されたと判定した場合はステップＳ２へ進み、他方、まだないと判定した場合はステップＳ１を繰り返す。
【0041】
ステップＳ２では、属性・嗜好情報登録ステップとして、入力された属性情報ＡＴ、嗜好情報ＬＫをレコメンドシステム１００のアプリ上で登録する。
より具体的には、ユーザー端末１１０において入力された属性情報ＡＴ、嗜好情報ＬＫを、ユーザー端末１１０がサーバ１２０へ送信して、サーバ１２０が、受信した属性情報ＡＴ、嗜好情報ＬＫをユーザー識別情報と関連付けてデータベース１２１に登録する。
より具体的には、ユーザー端末１１０において入力された属性情報ＡＴ、嗜好情報ＬＫを、ユーザー端末１１０がサーバ１２０へ送信して、サーバ１２０が、受信した属性情報ＡＴ、嗜好情報ＬＫをユーザー識別情報と関連付けてデータベース１２１に登録する。
【0042】
図３に示すように、ユーザーの属性情報ＡＴ、嗜好情報ＬＫが登録されると、ユーザー端末１１０の表示部１１１が示すレコメンドシステム１００のマイページ画面１１２において、ユーザーの属性情報ＡＴ、嗜好情報ＬＫが表示される。
より具体的には、ユーザーが選択した写真のタグ情報が、嗜好情報ＬＫとして登録され、それらのタグ情報が「すきなもの・こと」の項目に表示されるように構成されている。
より具体的には、ユーザーが選択した写真のタグ情報が、嗜好情報ＬＫとして登録され、それらのタグ情報が「すきなもの・こと」の項目に表示されるように構成されている。
【0043】
なお、レコメンド手段が、前述した「あなたの性格」画面（図示せず）において回答した回答情報に基づいて得られたユーザータイプ傾向情報ＴＰを、マイページ画面１１２の「あなたの性格」の項目に表示されるように構成してもよい。
一例として、ユーザータイプ傾向情報ＴＰは、開放性、誠実性、外向性、協調性、神経症的傾向などの項目を有し、それぞれの項目におけるレベル値で表示されるように構成されている。
これらのユーザータイプ傾向情報ＴＰは、ユーザーの嗜好情報ＬＫと同様、サーバ１２０にあるデータベース１２１に登録されるように構成されている。
一例として、ユーザータイプ傾向情報ＴＰは、開放性、誠実性、外向性、協調性、神経症的傾向などの項目を有し、それぞれの項目におけるレベル値で表示されるように構成されている。
これらのユーザータイプ傾向情報ＴＰは、ユーザーの嗜好情報ＬＫと同様、サーバ１２０にあるデータベース１２１に登録されるように構成されている。
【0044】
ステップＳ３では、所定操作有無判定ステップとして、ユーザー端末１１０またはサーバ１２０が、ユーザー端末１１０において所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴが入力されたか否かを判定する。
なお、前述したように所定操作は、検索操作であってもよい。
例えば、図４に示すように、ユーザー端末１１０の表示部１１１が示すレコメンドシステム１００のあなたの気分画面１１３において、ユーザーの現在のシチュエーション情報ＳＴが入力自在に設けられている。
なお、前述したように所定操作は、検索操作であってもよい。
例えば、図４に示すように、ユーザー端末１１０の表示部１１１が示すレコメンドシステム１００のあなたの気分画面１１３において、ユーザーの現在のシチュエーション情報ＳＴが入力自在に設けられている。
【0045】
あなたの気分画面１１３には、一緒の人についての情報、空き時間情報、食欲・物欲情報、アクティブ・休憩欲求情報についての入力項目が設けられている。
一緒の人についての情報の項目について、一例として、１人、カップル、友達、家族などの選択肢によって、１人であること、または、誰と一緒かがわかる選択肢が設定されている。
さらに、空き時間情報の項目について、現在の空き時間がどれくらいであるかが入力自在に設けられている。
一緒の人についての情報の項目について、一例として、１人、カップル、友達、家族などの選択肢によって、１人であること、または、誰と一緒かがわかる選択肢が設定されている。
さらに、空き時間情報の項目について、現在の空き時間がどれくらいであるかが入力自在に設けられている。
【0046】
また、食欲・物欲情報の項目について、どちらの方に比重があるかが入力自在に設けられている。
さらに、アクティブ・休憩欲求情報の項目について、どちらの方に比重があるかが入力自在に設けられている。
これらの少なくとも１つについて、入力があったとき、ユーザーの現在のシチュエーション情報ＳＴが入力されたと、ユーザー端末１１０またはサーバ１２０が判定する。
入力ありと判定した場合はステップＳ４へ進み、他方、まだなしと判定した場合はステップＳ３を繰り返す。
さらに、アクティブ・休憩欲求情報の項目について、どちらの方に比重があるかが入力自在に設けられている。
これらの少なくとも１つについて、入力があったとき、ユーザーの現在のシチュエーション情報ＳＴが入力されたと、ユーザー端末１１０またはサーバ１２０が判定する。
入力ありと判定した場合はステップＳ４へ進み、他方、まだなしと判定した場合はステップＳ３を繰り返す。
【0047】
なお、ユーザーの現在のシチュエーション情報ＳＴとして、現在の自動車使用の有無やバイク使用の有無の情報、ユーザーの手荷物情報、ユーザーの疲労度合情報、移動歩数情報、摂取カロリー情報について入力する項目を設けてもよい。
さらに、ユーザーの現在のシチュエーション情報ＳＴとして、ユーザーが入力したものだけでなく、現在地情報、日時情報、天気・気温の情報、ＩＣカードや電子マネーなどの電子決済情報などが自動で入力されてもよい。
さらに、ユーザーの現在のシチュエーション情報ＳＴとして、ユーザーが入力したものだけでなく、現在地情報、日時情報、天気・気温の情報、ＩＣカードや電子マネーなどの電子決済情報などが自動で入力されてもよい。
【0048】
また、基本的には、空き時間内で現在地から目的地まで移動して目的地で何らかの体験をして目的地から現在地まで移動して戻るが、現在地まで戻らない場合に対応するために、ユーザーの最終目的地情報について入力する項目を設けてもよい。
例えば、最終目的地が決まっていて、空いた時間でどこかの目的地を経由して最終目的地へ行きたい場合に利用する。
入力の仕方については、ユーザー端末１１０のカメラを利用してユーザーの顔の表情を撮影し、画像解析を用いて疲労度合情報を推定して入力してもよい。
例えば、最終目的地が決まっていて、空いた時間でどこかの目的地を経由して最終目的地へ行きたい場合に利用する。
入力の仕方については、ユーザー端末１１０のカメラを利用してユーザーの顔の表情を撮影し、画像解析を用いて疲労度合情報を推定して入力してもよい。
【0049】
また、ユーザー端末１１０の歩数計機能の歩いた履歴情報を用いて移動歩数情報が入力され、疲労度合情報を推定してもよい。
さらに、ユーザー端末１１０の位置情報に基づいて移動距離を推定し、消費カロリー情報を推定し、疲労度合情報を推定してもよい。
また、ユーザー端末１１０のカメラを利用して食事などの摂取物を撮影し、画像解析を用いて摂取カロリー情報を推定してもよい。
さらに、ユーザーの手首に装着される腕時計型端末であるスマートウォッチ端末を用いて、ユーザーの体温情報、心拍数情報、移動距離情報、移動歩数情報などが入力されるように構成してもよい。
さらに、ユーザー端末１１０の位置情報に基づいて移動距離を推定し、消費カロリー情報を推定し、疲労度合情報を推定してもよい。
また、ユーザー端末１１０のカメラを利用して食事などの摂取物を撮影し、画像解析を用いて摂取カロリー情報を推定してもよい。
さらに、ユーザーの手首に装着される腕時計型端末であるスマートウォッチ端末を用いて、ユーザーの体温情報、心拍数情報、移動距離情報、移動歩数情報などが入力されるように構成してもよい。
【0050】
また、カメラを利用してユーザーの手荷物を撮影し、画像解析を用いて手荷物情報を推定して入力してもよい。
さらに、カメラを利用して自動車やバイクを撮影し、画像解析を用いて現在の自動車使用の有無やバイク使用の有無の情報を推定して入力してもよい。
また、入力については、ユーザーの操作によるものに限らない。
例えば、常時、自動で入力されるように構成してもよいし、レコメンドシステム１００のアプリケーションを起動させたときに自動で入力されるように構成してもよい。
さらに、カメラを利用して自動車やバイクを撮影し、画像解析を用いて現在の自動車使用の有無やバイク使用の有無の情報を推定して入力してもよい。
また、入力については、ユーザーの操作によるものに限らない。
例えば、常時、自動で入力されるように構成してもよいし、レコメンドシステム１００のアプリケーションを起動させたときに自動で入力されるように構成してもよい。
【0051】
ステップＳ４では、推定モデル選択ステップとして、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴに基づいて、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭを選択する。
所定の類似範囲内として、例えば、ユーザーの属性情報ＡＴが、女性、２６歳、独身、活発度５であった場合、一例として、女性、２５～２９歳、独身、活発度４～６の属性情報ＡＴの推定モデルＥＭを選択する。
所定の類似範囲内として、例えば、ユーザーの属性情報ＡＴが、女性、２６歳、独身、活発度５であった場合、一例として、女性、２５～２９歳、独身、活発度４～６の属性情報ＡＴの推定モデルＥＭを選択する。
【0052】
図５に示すように、推定モデルＥＭは、属性ごとにカテゴリ別行動情報ＣＡとウェルビーイング指標とが定まった表（テーブル）を有している。
カテゴリ別行動情報ＣＡは、図５における「行動の増加」の行動１～行動１９のカテゴリである。
そして、行動１～行動１９は、一例として、（1 a）自宅で食事、（2 a）外出して食事・宴会、（3 a）おしゃれ（服装・髪型、化粧等）、（4 a）自己・家族の健康管理・診療、（5 a）外出して心身のリラックス（散歩・公園で休憩等）、（6 a）仕事、（7 a）通勤通学、（8 a）子どもの学び・課外活動、（9 a）自己の学び、（10 a）料理・掃除・洗濯・買物等の家事、（11 a）ショッピング（家具・家電、趣味、娯楽関連）、（12 a）乳幼児の育児、（13 a）家族の介護、（14 a）ボランティア・地域行事、（15 a）家族・恋人・知人とのコミュニケーション、（16 a）スポーツ、（17 a）旅行・行楽、（18 a）外出する趣味・娯楽等、（19 a）自宅での趣味・娯楽等の（1 a）～（19 a）と対応している。
カテゴリ別行動情報ＣＡは、図５における「行動の増加」の行動１～行動１９のカテゴリである。
そして、行動１～行動１９は、一例として、（1 a）自宅で食事、（2 a）外出して食事・宴会、（3 a）おしゃれ（服装・髪型、化粧等）、（4 a）自己・家族の健康管理・診療、（5 a）外出して心身のリラックス（散歩・公園で休憩等）、（6 a）仕事、（7 a）通勤通学、（8 a）子どもの学び・課外活動、（9 a）自己の学び、（10 a）料理・掃除・洗濯・買物等の家事、（11 a）ショッピング（家具・家電、趣味、娯楽関連）、（12 a）乳幼児の育児、（13 a）家族の介護、（14 a）ボランティア・地域行事、（15 a）家族・恋人・知人とのコミュニケーション、（16 a）スポーツ、（17 a）旅行・行楽、（18 a）外出する趣味・娯楽等、（19 a）自宅での趣味・娯楽等の（1 a）～（19 a）と対応している。
【0053】
カテゴリ別行動情報ＣＡについては、スマートフォン等のユーザー端末１１０の位置情報やウェブでの購入履歴等と紐づいてもよい。
例えば、ある店舗に行った場合、この店舗の滞在時間に応じて、食事をしたと自動で判断するようにしてもよい。
また、例えば、ウェブで購入した場合には、自動でショッピングを行った結果とリンクして、カテゴリ別行動情報ＣＡが自動で入力されるようにしてもよい。
例えば、ある店舗に行った場合、この店舗の滞在時間に応じて、食事をしたと自動で判断するようにしてもよい。
また、例えば、ウェブで購入した場合には、自動でショッピングを行った結果とリンクして、カテゴリ別行動情報ＣＡが自動で入力されるようにしてもよい。
【0054】
ウェルビーイング値の算出については、属性情報ＡＴから導かれる推定モデルＥＭにカテゴリ別行動（カテゴリ行動量を含む。）を適用することで、個別のウェルビーイング指標を算出し、このウェルビーイング指標に基づいて全体のウェルビーイング値を算出してもよい。
一例としては、属性ごとにカテゴリ別行動情報ＣＡとウェルビーイング指標が定まった表があり、あるカテゴリ別行動情報ＣＡが入力された場合にどのウェルビーイング指標が増加又は減少するかが定められてもよい。
例えば、行動１を行った場合には（図５参照）、行動１に対応する指標１～９の値が出力され、これらの値が単純に合算されて、つまり単純にｆ１，１＋ｆ２，１＋・・・＋ｆ９，１が計算されて、ウェルビーイング値が算出されるようにしてもよい。
一例としては、属性ごとにカテゴリ別行動情報ＣＡとウェルビーイング指標が定まった表があり、あるカテゴリ別行動情報ＣＡが入力された場合にどのウェルビーイング指標が増加又は減少するかが定められてもよい。
例えば、行動１を行った場合には（図５参照）、行動１に対応する指標１～９の値が出力され、これらの値が単純に合算されて、つまり単純にｆ１，１＋ｆ２，１＋・・・＋ｆ９，１が計算されて、ウェルビーイング値が算出されるようにしてもよい。
【0055】
またウェルビーイング指標毎に重みが定められており、ウェルビーイング指標×重みを合算した合計値（例えば、行動１を行った場合には、ｆ１，１×ａ１，１＋ｆ２，１×ａ２，１＋・・・＋ｆ９，１×ａ９，１）によってウェルビーイング値が算出されるようにしてもよい。
ウェルビーイング値は増加分が出力するようにしてもよい。
行動量がｍ×ｎ（「ｍ」及び「ｎ」は整数）回の場合、行動量がｎ回の場合のｍ倍になるようにしてもよい。
例えば、（5 a）外出して心身のリラックス（散歩・公園で休憩等）を１週間に４回行った場合には、（5 a）外出して心身のリラックス（散歩・公園で休憩等）を１週間に１回行った場合の４倍となってもよい。
ウェルビーイング値は増加分が出力するようにしてもよい。
行動量がｍ×ｎ（「ｍ」及び「ｎ」は整数）回の場合、行動量がｎ回の場合のｍ倍になるようにしてもよい。
例えば、（5 a）外出して心身のリラックス（散歩・公園で休憩等）を１週間に４回行った場合には、（5 a）外出して心身のリラックス（散歩・公園で休憩等）を１週間に１回行った場合の４倍となってもよい。
【0056】
ウェルビーイング指標は、一例として、個別のウェルビーイング指標である指標１～指標９から構成されている。
指標１～指標９（個別のウェルビーイング指標）は、一例として、（1 b）適切な運動や食生活を通して、身体的に健康的な生活ができていること、（2 b）過度なストレスがなく、精神的に健康的な生活ができていること、（3 b）生活の自立に必要な所得や資産を有していること、（4 b）仕事、学校、家事、睡眠以外に、自分で自由に使える時間が確保されていること、（5 b）日常生活を通して家族や友人などの他者、社会とのつながりを実感していること、（6 b）家族や友人、職場の上司・同僚と相互に承認しあっていること、（7 b）仕事や学び、趣味などを通じて、なりたい自分の実現に向かって取り組めていること、（8 b）仕事や社会的活動を通じて、誰かの役に立っているという実感がもてること、（9 b）人生や社会に対して期待があり、自分の将来に希望を持っていることの、（1 b）～（9 b）と対応している。
なお、前述したように、推定モデルＥＭでは、一例として目的地情報ＤＮやサービス情報がカテゴリ別行動情報ＣＡと関連付けられている。
指標１～指標９（個別のウェルビーイング指標）は、一例として、（1 b）適切な運動や食生活を通して、身体的に健康的な生活ができていること、（2 b）過度なストレスがなく、精神的に健康的な生活ができていること、（3 b）生活の自立に必要な所得や資産を有していること、（4 b）仕事、学校、家事、睡眠以外に、自分で自由に使える時間が確保されていること、（5 b）日常生活を通して家族や友人などの他者、社会とのつながりを実感していること、（6 b）家族や友人、職場の上司・同僚と相互に承認しあっていること、（7 b）仕事や学び、趣味などを通じて、なりたい自分の実現に向かって取り組めていること、（8 b）仕事や社会的活動を通じて、誰かの役に立っているという実感がもてること、（9 b）人生や社会に対して期待があり、自分の将来に希望を持っていることの、（1 b）～（9 b）と対応している。
なお、前述したように、推定モデルＥＭでは、一例として目的地情報ＤＮやサービス情報がカテゴリ別行動情報ＣＡと関連付けられている。
【0057】
ステップＳ５では、類似範囲内目的地・サービス絞り込みステップとして、レコメンド手段が、一例として入力されたユーザーの現在のシチュエーション情報ＳＴと、任意の要素であるユーザー端末１１０の現在地情報と、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭとに基づいてウェルビーイング値を増加させた目的地情報ＤＮまたはサービス情報を絞り込む。
【0058】
ステップＳ６では、類似属性目的地・サービスレコメンド表示ステップとして、ユーザー端末１１０が、絞り込まれた目的地情報ＤＮまたはサービス情報をユーザー端末１１０の表示部１１１に表示してレコメンドをする。
より具体的には、図６に示すように、一例として、ユーザー端末１１０の表示部１１１が、レコメンド画面１１４を表示する。
レコメンド画面１１４には、一例としてユーザー端末１１０の現在地を含む地図情報、絞り込まれた１つまたは複数の目的地情報ＤＮのアイコンＩＣ、および、現在地から１つまたは複数の目的地までの経路情報ＲＴが表示されている。
より具体的には、図６に示すように、一例として、ユーザー端末１１０の表示部１１１が、レコメンド画面１１４を表示する。
レコメンド画面１１４には、一例としてユーザー端末１１０の現在地を含む地図情報、絞り込まれた１つまたは複数の目的地情報ＤＮのアイコンＩＣ、および、現在地から１つまたは複数の目的地までの経路情報ＲＴが表示されている。
【0059】
例えば、ユーザーの属性情報ＡＴが、２６歳、女性、独身、活発度５で公園好きだったとする。
この場合、このユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭの一例として、女性、２５～２９歳、独身、活発度４～６の属性情報ＡＴの推定モデルＥＭを選択する。
そして、選択した推定モデルＥＭに基づいてウェルビーイング値を増加させた目的地情報ＤＮを絞り込む。
続いて、絞り込んだ目的地情報ＤＮの一例として、ゆっくりと植物を観賞できる公園をレコメンドする。
この場合、このユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭの一例として、女性、２５～２９歳、独身、活発度４～６の属性情報ＡＴの推定モデルＥＭを選択する。
そして、選択した推定モデルＥＭに基づいてウェルビーイング値を増加させた目的地情報ＤＮを絞り込む。
続いて、絞り込んだ目的地情報ＤＮの一例として、ゆっくりと植物を観賞できる公園をレコメンドする。
【0060】
他方、ユーザーの属性情報ＡＴが、４１歳、女性、既婚、子供あり、活発度５で公園好きだったとする。
この場合、このユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭの一例として、女性、４０～４４歳、既婚、子供あり、活発度４～６の属性情報ＡＴの推定モデルＥＭを選択する。
そして、選択した推定モデルＥＭに基づいてウェルビーイング値を増加させた目的地情報ＤＮを絞り込む。
続いて、絞り込んだ目的地情報ＤＮの一例として、家族で運動できる公園をレコメンドする。
なお、レコメンド画面１１４において、マップ上に目的地情報ＤＮのアイコンＩＣを表示したが、この形式に限らない。
レコメンドする目的地情報ＤＮやサービス情報をリスト形式に表示してもよい。
この場合、このユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭの一例として、女性、４０～４４歳、既婚、子供あり、活発度４～６の属性情報ＡＴの推定モデルＥＭを選択する。
そして、選択した推定モデルＥＭに基づいてウェルビーイング値を増加させた目的地情報ＤＮを絞り込む。
続いて、絞り込んだ目的地情報ＤＮの一例として、家族で運動できる公園をレコメンドする。
なお、レコメンド画面１１４において、マップ上に目的地情報ＤＮのアイコンＩＣを表示したが、この形式に限らない。
レコメンドする目的地情報ＤＮやサービス情報をリスト形式に表示してもよい。
【0061】
上記のステップの構成を言い換えると、レコメンドシステム１００のプログラムは、所定操作有無判定ステップとして、ユーザー端末１１０において所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴが入力されたか否かを判定する。
次に、目的地・サービス絞り込みステップとして、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴと、一例として入力されたユーザーの現在のシチュエーション情報ＳＴと、任意の要素であるユーザー端末１１０の現在地情報とに基づいて目的地情報ＤＮやサービス情報を絞り込む。
次に、目的地・サービス絞り込みステップとして、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴと、一例として入力されたユーザーの現在のシチュエーション情報ＳＴと、任意の要素であるユーザー端末１１０の現在地情報とに基づいて目的地情報ＤＮやサービス情報を絞り込む。
【0062】
続いて、目的地・サービスレコメンド表示ステップとして、ユーザー端末１１０が、絞り込まれた目的地情報ＤＮまたはサービス情報をユーザー端末１１０の表示部１１１に表示してレコメンドをする。
さらに、ウェルビーイング値算出・蓄積ステップとして、ユーザー端末１１０またはサーバ１２０が、レコメンドに沿ったユーザーのカテゴリ別行動情報ＣＡに基づいてウェルビーイング値を算出して目的地情報ＤＮまたはサービス情報および属性情報ＡＴと関連付けてデータベース１２１に蓄積する。この蓄積されたものが、推定モデルＥＭとなってもよい。
さらに、ウェルビーイング値算出・蓄積ステップとして、ユーザー端末１１０またはサーバ１２０が、レコメンドに沿ったユーザーのカテゴリ別行動情報ＣＡに基づいてウェルビーイング値を算出して目的地情報ＤＮまたはサービス情報および属性情報ＡＴと関連付けてデータベース１２１に蓄積する。この蓄積されたものが、推定モデルＥＭとなってもよい。
【0063】
また、他のユーザーの所定操作有無判定ステップＳ３として、他のユーザー端末１１０において所定操作の一例として他のユーザーの現在のシチュエーション情報ＳＴが入力されたか否かを判定する。
続いて、類似範囲内目的地・サービス絞り込みステップＳ５（Ｓ４含む）として、他のユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力された他のユーザーの属性情報ＡＴと、任意の要素である他のユーザー端末１１０の現在地情報とに基づいて、他のユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴのユーザーのウェルビーイング値を増加させた目的地情報ＤＮやサービス情報を絞り込む。
そして、類似属性目的地・サービスレコメンド表示ステップＳ６として、他のユーザー端末１１０が、絞り込まれた目的地情報ＤＮまたはサービス情報を他のユーザー端末１１０の表示部１１１に表示してレコメンドをする。
続いて、類似範囲内目的地・サービス絞り込みステップＳ５（Ｓ４含む）として、他のユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力された他のユーザーの属性情報ＡＴと、任意の要素である他のユーザー端末１１０の現在地情報とに基づいて、他のユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴのユーザーのウェルビーイング値を増加させた目的地情報ＤＮやサービス情報を絞り込む。
そして、類似属性目的地・サービスレコメンド表示ステップＳ６として、他のユーザー端末１１０が、絞り込まれた目的地情報ＤＮまたはサービス情報を他のユーザー端末１１０の表示部１１１に表示してレコメンドをする。
【0064】
これにより、前述したように、推定モデルＥＭに係る属性と類似する属性情報ＡＴのユーザーに対してウェルビーイング値を上げることができそうな目的地情報ＤＮまたはサービス情報がレコメンドされる。
その結果、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの幸福度を高めることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増える。
その結果、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかる。
その結果、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができる。
そして、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
その結果、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの幸福度を高めることができる。
さらに、ユーザーの幸福度が高まるとユーザー利用が増える。
その結果、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
また、ウェルビーイング値が向上する目的地エリアがわかる。
その結果、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができる。
そして、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0065】
さらに本実施例では、目的地情報ＤＮがレコメンドされた場合、ユーザー端末１１０の現在地情報に基づいて、レコメンドの目的地に到達したと判定したとする。
すると、この際、ユーザー端末１１０またはサーバ１２０が、レコメンドによるユーザーのカテゴリ別行動情報ＣＡと、ユーザーの属性情報ＡＴと、ユーザーの属性情報ＡＴに対応する推定モデルＥＭとに基づいて満足度と相関のあるウェルビーイング値を算出する。
そして、算出したウェルビーイング値を属性情報ＡＴと目的地情報ＤＮと関連付けてデータベース１２１に蓄積するように構成されている。
ウェルビーイング値の算出の仕方については、上述した通りである。
なお、サービス情報がレコメンドされた場合については、ユーザー端末１１０においてレコメンドのサービス情報についての決済操作が完了した際の例えば、ｈｔｔｐレスポンスに基づいて、サービス申込み操作が完了したと判定する。
すると、目的地情報ＤＮがレコメンドされた場合と同様にウェルビーイング値を算出する。
そして、算出したウェルビーイング値を属性情報ＡＴとサービス情報と関連付けてデータベース１２１に蓄積するように構成されている。
すると、この際、ユーザー端末１１０またはサーバ１２０が、レコメンドによるユーザーのカテゴリ別行動情報ＣＡと、ユーザーの属性情報ＡＴと、ユーザーの属性情報ＡＴに対応する推定モデルＥＭとに基づいて満足度と相関のあるウェルビーイング値を算出する。
そして、算出したウェルビーイング値を属性情報ＡＴと目的地情報ＤＮと関連付けてデータベース１２１に蓄積するように構成されている。
ウェルビーイング値の算出の仕方については、上述した通りである。
なお、サービス情報がレコメンドされた場合については、ユーザー端末１１０においてレコメンドのサービス情報についての決済操作が完了した際の例えば、ｈｔｔｐレスポンスに基づいて、サービス申込み操作が完了したと判定する。
すると、目的地情報ＤＮがレコメンドされた場合と同様にウェルビーイング値を算出する。
そして、算出したウェルビーイング値を属性情報ＡＴとサービス情報と関連付けてデータベース１２１に蓄積するように構成されている。
【0066】
これにより、レコメンドに沿った行動後にウェルビーイング値が算出される。
その結果、ウェルビーイング値の精度をより高めることができ、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの本質的な幸福度を高めることができる。
さらに、ウェルビーイング値が高まった属性情報ＡＴと目的地情報ＤＮまたはサービス情報とがセットでデータベース１２１に徐々に蓄積される。
その結果、ユーザーの利用に応じてウェルビーイング値を上げることができそうな目的地情報ＤＮまたはサービス情報のレコメンドの精度を向上させることができる。
その結果、ウェルビーイング値の精度をより高めることができ、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの本質的な幸福度を高めることができる。
さらに、ウェルビーイング値が高まった属性情報ＡＴと目的地情報ＤＮまたはサービス情報とがセットでデータベース１２１に徐々に蓄積される。
その結果、ユーザーの利用に応じてウェルビーイング値を上げることができそうな目的地情報ＤＮまたはサービス情報のレコメンドの精度を向上させることができる。
【0067】
また本実施例では、図７に示すように、第２態様の推定モデルＥＭを用いてもよい。
第２態様の推定モデルＥＭでは、図５に示す第１態様の推定モデルＥＭの要素に加え、満足度の評価情報ＳＦである行動価値情報の要素が追加されている。
行動価値情報は、一例として、個別の行動価値情報である行動価値１～行動価値４から構成されている。
行動価値１～行動価値４は、一例として、（1 c）「Wish（望みの実現）」、（2 c）「New（新発見）」、（3 c）「Great（期待以上の価値）」、（4 c）「Smooth（困りごと解決）」の、（1 c）～（4 c）と対応している。
第２態様の推定モデルＥＭでは、図５に示す第１態様の推定モデルＥＭの要素に加え、満足度の評価情報ＳＦである行動価値情報の要素が追加されている。
行動価値情報は、一例として、個別の行動価値情報である行動価値１～行動価値４から構成されている。
行動価値１～行動価値４は、一例として、（1 c）「Wish（望みの実現）」、（2 c）「New（新発見）」、（3 c）「Great（期待以上の価値）」、（4 c）「Smooth（困りごと解決）」の、（1 c）～（4 c）と対応している。
【0068】
そして、図８に示すように、目的地情報ＤＮがレコメンドされた場合、ユーザー端末１１０の現在地情報に基づいて、レコメンドの目的地に到達したと判定した際、ユーザー端末１１０の表示部１１１に満足度の評価入力ウィンドウ１１５を表示する。
満足度の評価入力ウィンドウ１１５には、満足度の評価情報ＳＦについての満足度の評価項目として、行動価値１～行動価値４と対応した（1 c）「Wish（望みの実現）」、（2 c）「New（新発見）」、（3 c）「Great（期待以上の価値）」、（4 c）「Smooth（困りごと解決）」のボタンが表示されている。
満足度の評価入力ウィンドウ１１５には、満足度の評価情報ＳＦについての満足度の評価項目として、行動価値１～行動価値４と対応した（1 c）「Wish（望みの実現）」、（2 c）「New（新発見）」、（3 c）「Great（期待以上の価値）」、（4 c）「Smooth（困りごと解決）」のボタンが表示されている。
【0069】
そして、満足度の評価情報ＳＦである行動価値情報が入力されたとする。
すると、ユーザー端末１１０またはサーバ１２０が、レコメンドによるユーザーのカテゴリ別行動情報ＣＡと、入力された行動価値情報と、ユーザーの属性情報ＡＴと、ユーザーの属性情報ＡＴに対応する推定モデルＥＭとに基づいて満足度と相関のあるウェルビーイング値を算出する。
具体的なウェルビーイング値の算出については、例えば、行動１を行った場合であって、行動価値１（Wish（望みの実現））の評価を行った場合には（図７参照）、行動価値１（Wish（望みの実現））の評価を行った場合の行動１に対応する指標１～９の値が出力され、これらの値が単純に合算されて、つまり単純にｆ１，１，１＋ｆ２，１，１＋・・・＋ｆ９，１，１が計算されて、ウェルビーイング値が算出されるようにしてもよい。
そして、算出したウェルビーイング値をデータベース１２１に蓄積するように構成されている。
なお、サービス情報がレコメンドされた場合については、ユーザー端末１１０においてレコメンドのサービス情報についての決済操作が完了した際の例えば、ｈｔｔｐレスポンスに基づいて、サービス申込み操作が完了したと判定する。
すると、目的地情報ＤＮがレコメンドされた場合と同様、ユーザー端末１１０の表示部１１１に満足度の評価入力ウィンドウ１１５を表示する。
そして、満足度の評価情報ＳＦである行動価値情報が入力されたとき、目的地情報ＤＮがレコメンドされた場合と同様にウェルビーイング値を算出する。
そして、算出したウェルビーイング値を属性情報ＡＴとサービス情報と関連付けてデータベース１２１に蓄積するように構成されている。
すると、ユーザー端末１１０またはサーバ１２０が、レコメンドによるユーザーのカテゴリ別行動情報ＣＡと、入力された行動価値情報と、ユーザーの属性情報ＡＴと、ユーザーの属性情報ＡＴに対応する推定モデルＥＭとに基づいて満足度と相関のあるウェルビーイング値を算出する。
具体的なウェルビーイング値の算出については、例えば、行動１を行った場合であって、行動価値１（Wish（望みの実現））の評価を行った場合には（図７参照）、行動価値１（Wish（望みの実現））の評価を行った場合の行動１に対応する指標１～９の値が出力され、これらの値が単純に合算されて、つまり単純にｆ１，１，１＋ｆ２，１，１＋・・・＋ｆ９，１，１が計算されて、ウェルビーイング値が算出されるようにしてもよい。
そして、算出したウェルビーイング値をデータベース１２１に蓄積するように構成されている。
なお、サービス情報がレコメンドされた場合については、ユーザー端末１１０においてレコメンドのサービス情報についての決済操作が完了した際の例えば、ｈｔｔｐレスポンスに基づいて、サービス申込み操作が完了したと判定する。
すると、目的地情報ＤＮがレコメンドされた場合と同様、ユーザー端末１１０の表示部１１１に満足度の評価入力ウィンドウ１１５を表示する。
そして、満足度の評価情報ＳＦである行動価値情報が入力されたとき、目的地情報ＤＮがレコメンドされた場合と同様にウェルビーイング値を算出する。
そして、算出したウェルビーイング値を属性情報ＡＴとサービス情報と関連付けてデータベース１２１に蓄積するように構成されている。
【0070】
これにより、レコメンドに沿った行動後に満足度の評価情報ＳＦである行動価値情報を入力してもらってウェルビーイング値が算出される。
その結果、ウェルビーイング値の精度をより高めることができ、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの本質的な幸福度を高めることができる。
その結果、ウェルビーイング値の精度をより高めることができ、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの本質的な幸福度を高めることができる。
【0071】
なお、図６のレコメンド画面１１４において、現在地を含む地図情報、絞り込まれた１つまたは複数の目的地情報ＤＮのアイコンＩＣ、および、現在地から１つまたは複数の目的地までの経路情報ＲＴを表示したが、これらに加えて、満足度と相関のあるウェルビーイング値の指標項目と関連する理由情報をユーザー端末１１０の表示部１１１に表示するように構成してもよい。
レコメンド画面１１４において、レコメンドするサービス情報をリスト形式に表示する場合も同様で、満足度と相関のあるウェルビーイング値の指標項目と関連する理由情報を加えて表示してもよい。
より具体的には、上述した指標１～指標９（個別のウェルビーイング指標）の（1 b）～（9 b）の具体的な内容を簡潔に表示する。
レコメンド画面１１４において、レコメンドするサービス情報をリスト形式に表示する場合も同様で、満足度と相関のあるウェルビーイング値の指標項目と関連する理由情報を加えて表示してもよい。
より具体的には、上述した指標１～指標９（個別のウェルビーイング指標）の（1 b）～（9 b）の具体的な内容を簡潔に表示する。
【0072】
これにより、レコメンドの理由情報が表示部１１１に表示される。
その結果、ユーザーはレコメンドの目的地へ移動する目的や理由、または、レコメンドのサービスを受ける目的や理由を明確に理解してから行動することができる。
さらに、ユーザーが目的・理由を理解して意識する。
その結果、ユーザーの本質的な幸福度をより高めることができる。
また、その目的地のエリアへどんな理由で来ているかがわかる。
その結果、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
その結果、ユーザーはレコメンドの目的地へ移動する目的や理由、または、レコメンドのサービスを受ける目的や理由を明確に理解してから行動することができる。
さらに、ユーザーが目的・理由を理解して意識する。
その結果、ユーザーの本質的な幸福度をより高めることができる。
また、その目的地のエリアへどんな理由で来ているかがわかる。
その結果、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0073】
さらに本実施例では、ユーザー端末１１０またはサーバ１２０が、データベース１２１に蓄積したユーザーの属性情報ＡＴ別のウェルビーイング値を、属性情報ＡＴ別に推定モデルＥＭにフィードバックするように構成されている。
これにより、データベース１２１に蓄積された情報が推定モデルＥＭにフィードバックされる。
その結果、ユーザーを幸福にするレコメンドの精度を徐々に向上させることができる。
つまり、目的地情報ＤＮやサービス情報もウェルビーイング値に関連付けてフィードバックされる。
その結果、レコメンドする目的地情報ＤＮやサービス情報の精度を徐々に向上させることができる。
これにより、データベース１２１に蓄積された情報が推定モデルＥＭにフィードバックされる。
その結果、ユーザーを幸福にするレコメンドの精度を徐々に向上させることができる。
つまり、目的地情報ＤＮやサービス情報もウェルビーイング値に関連付けてフィードバックされる。
その結果、レコメンドする目的地情報ＤＮやサービス情報の精度を徐々に向上させることができる。
【0074】
また本実施例では、レコメンド手段が、前述したように、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭに基づいて目的地情報ＤＮを絞り込む。
この際、ウェルビーイング値が高まった実績のある目的地情報ＤＮまたはサービス情報を他の目的地情報ＤＮまたはサービス情報より優先して取り扱う。
そして、ウェルビーイング値が高まった実績のある目的地情報ＤＮまたはサービス情報を他の目的地情報ＤＮまたはサービス情報より優先して、ユーザー端末１１０の表示部１１１に表示してレコメンドをするように構成されている。
この際、ウェルビーイング値が高まった実績のある目的地情報ＤＮまたはサービス情報を他の目的地情報ＤＮまたはサービス情報より優先して取り扱う。
そして、ウェルビーイング値が高まった実績のある目的地情報ＤＮまたはサービス情報を他の目的地情報ＤＮまたはサービス情報より優先して、ユーザー端末１１０の表示部１１１に表示してレコメンドをするように構成されている。
【0075】
これにより、ウェルビーイング値が高まった実績のある目的地情報ＤＮまたはサービス情報が他の目的地情報ＤＮまたはサービス情報より優先してレコメンドされる。
その結果、より一層、ユーザーのウェルビーイング値を徐々に高めることができ、ユーザーの本質的な幸福度を高めることができる。
さらに、ユーザーの幸福度が高まると消費意欲が増す。
その結果、そのレコメンドの目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
その結果、より一層、ユーザーのウェルビーイング値を徐々に高めることができ、ユーザーの本質的な幸福度を高めることができる。
さらに、ユーザーの幸福度が高まると消費意欲が増す。
その結果、そのレコメンドの目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
【0076】
さらに本実施例では、図９に示すように、検索操作によってユーザー端末１１０の表示部１１１に検索画面１１６を表示して、ウェルビーイング値が高まった実績のある目的地情報ＤＮをマップ上に表示自在にする。
これとともに、目的地情報ＤＮをウェルビーイング値が高まった実績数に応じて変化する形式で表示するように構成されている。
一例として、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭにおいて、ウェルビーイング値が高まった実績のある目的地情報ＤＮをマップ上に表示する。
この際、ウェルビーイング値が高まった実績数に応じて目的地情報ＤＮのアイコンＩＣの大きさを大きく表示する。
また、行動価値情報や個別のウェルビーイング指標の種類に応じて、目的地情報ＤＮのアイコンＩＣの色を色分けして表示してもよい。
これとともに、目的地情報ＤＮをウェルビーイング値が高まった実績数に応じて変化する形式で表示するように構成されている。
一例として、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭにおいて、ウェルビーイング値が高まった実績のある目的地情報ＤＮをマップ上に表示する。
この際、ウェルビーイング値が高まった実績数に応じて目的地情報ＤＮのアイコンＩＣの大きさを大きく表示する。
また、行動価値情報や個別のウェルビーイング指標の種類に応じて、目的地情報ＤＮのアイコンＩＣの色を色分けして表示してもよい。
【0077】
これにより、ユーザー端末１１０の表示部１１１のマップ上にウェルビーイング値が高まった実績数に応じて変化する形式で目的地情報ＤＮが表示される。
その結果、ユーザーは実績のある目的地情報ＤＮを一目で理解することができ、ユーザーの行動意欲を刺激してその地域経済の活性化をより促進させることができる。
さらに、そのエリアの事業者にとって自分たちの特徴が目に見える形で表示される。
その結果、そのエリアの事業者の特徴をユーザーへ目に見える形でアピールすることができる。
その結果、ユーザーは実績のある目的地情報ＤＮを一目で理解することができ、ユーザーの行動意欲を刺激してその地域経済の活性化をより促進させることができる。
さらに、そのエリアの事業者にとって自分たちの特徴が目に見える形で表示される。
その結果、そのエリアの事業者の特徴をユーザーへ目に見える形でアピールすることができる。
【0078】
なお、どんなウェルビーイング値が高まる目的地なのかの項目情報や、どんな満足度が高いのかの項目情報をも表示することで、ユーザーはその目的地へ行くことによりどんなウェルビーイング値を高めることができるのか、どんな満足度を高めることができるのかを簡単に知ることができる。
例えば、何を求めているユーザーがどこに多く来ているのかを簡単に理解することができる。
また、この目的地では新しい発見の項目の満足度が高いユーザーが多いことなどを簡単に理解することができる。
例えば、何を求めているユーザーがどこに多く来ているのかを簡単に理解することができる。
また、この目的地では新しい発見の項目の満足度が高いユーザーが多いことなどを簡単に理解することができる。
【0079】
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、ユーザーの属性情報ＡＴおよびカテゴリ別行動情報ＣＡに基づいてウェルビーイング値を予め推定した推定モデルＥＭがあり、ユーザー端末１１０において所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴが入力されたとき、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴに基づいて、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭを選択し、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭに基づいてウェルビーイング値を増加させた目的地情報ＤＮまたはサービス情報を絞り込むとともに絞り込んだ目的地情報ＤＮまたはサービス情報をユーザー端末１１０の表示部１１１に表示してレコメンドをする構成であることにより、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの幸福度を高めることができ、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができ、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0080】
さらに、ユーザー端末１１０の現在地情報に基づいてレコメンドの目的地に到達したと判定した際、または、ユーザー端末１１０においてレコメンドのサービス申込み操作が完了したと判定した際、ユーザー端末１１０またはサーバ１２０が、レコメンドによるユーザーのカテゴリ別行動情報ＣＡと、ユーザーの属性情報ＡＴと、ユーザーの属性情報ＡＴに対応する推定モデルＥＭとに基づいて満足度と相関のあるウェルビーイング値を算出して属性情報ＡＴと目的地情報ＤＮまたはサービス情報と関連付けてデータベース１２１に蓄積する構成であることにより、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの本質的な幸福度を高めることができ、ユーザーの利用に応じてウェルビーイング値を上げることができそうな目的地情報ＤＮまたはサービス情報のレコメンドの精度を向上させることができる。
【0081】
また、ユーザー端末１１０の現在地情報に基づいてレコメンドの目的地に到達したと判定した際、または、ユーザー端末１１０においてレコメンドのサービス申込み操作が完了したと判定した際、ユーザー端末１１０の表示部１１１に満足度の評価項目を表示し、満足度の評価情報ＳＦである行動価値情報が入力されると、ユーザー端末１１０またはサーバ１２０が、レコメンドによるユーザーのカテゴリ別行動情報ＣＡと、入力された行動価値情報と、ユーザーの属性情報ＡＴと、ユーザーの属性情報ＡＴに対応する推定モデルＥＭとに基づいて満足度と相関のあるウェルビーイング値を算出して属性情報ＡＴと目的地情報ＤＮまたはサービス情報と関連付けてデータベース１２１に蓄積する構成であることにより、ウェルビーイング値の精度をより高めることができ、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの本質的な幸福度を高めることができる。
【0082】
さらに、満足度と相関のあるウェルビーイング値の指標項目が、例えば、運動や食生活を通じて身体的に健康的な生活ができていること、過度なストレスがなく精神的に健康的な生活ができていること、生活の自立に必要な所得や資産を有していること、仕事・学校・家事・睡眠以外に自分で自由に使える時間が確保されていること、日常生活を通じて家族や他者・社会とのつながりを実感していること、家族・友人・職場の上司・同僚と相互に承認しあっていること、仕事・学び・趣味を通じてなりたい自分の実現に向かって取り組めていること、仕事・社会的活動を通じて誰かの役に立っているという実感をもてること、人生や社会に対して期待があり自分の将来に希望を持っていることであり、レコメンド手段が、目的地情報ＤＮまたはサービス情報に加えて、満足度と相関のあるウェルビーイング値の指標項目と関連する理由情報をユーザー端末１１０の表示部１１１に表示する構成であることにより、ユーザーはレコメンドの目的地へ移動する目的や理由、または、レコメンドのサービスを受ける目的や理由を明確に理解してから行動することができ、ユーザーの本質的な幸福度をより高めることができ、そのエリアの事業者へマーケティングについてアドバイスをすることができる。
【0083】
また、ユーザー端末１１０またはサーバ１２０が、データベース１２１に蓄積したユーザーの属性情報ＡＴ別のウェルビーイング値を、属性情報ＡＴ別に推定モデルＥＭにフィードバックする構成であることにより、ユーザーを幸福にするレコメンドの精度を徐々に向上させることができる。
【0084】
さらに、レコメンド手段が、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭに基づいて目的地情報ＤＮまたはサービス情報を絞り込む際、ウェルビーイング値が高まった実績のある目的地情報ＤＮまたはサービス情報を他の目的地情報ＤＮまたはサービス情報より優先して取り扱い、ユーザー端末１１０の表示部１１１に表示してレコメンドをする構成であることにより、より一層、ユーザーのウェルビーイング値を徐々に高めることができ、ユーザーの本質的な幸福度を高めることができ、そのレコメンドの目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができる。
【0085】
また、ユーザー端末１１０の表示部１１１において、ウェルビーイング値が高まった実績のある目的地情報ＤＮをマップ上に表示自在にするとともに、ウェルビーイング値が高まった実績数に応じて変化する形式で表示する構成であることにより、ユーザーは実績のある目的地情報ＤＮを一目で理解することができ、ユーザーの行動意欲を刺激してその地域経済の活性化をより促進させることができ、そのエリアの事業者の特徴をユーザーへ目に見える形でアピールすることができる。
【0086】
また、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（情報処理方法）は、ユーザー端末１１０において所定操作の一例としてユーザーの現在のシチュエーション情報ＳＴが入力されたか否かを判定する所定操作有無判定ステップＳ３と、所定操作があったとき、ユーザー端末１１０またはサーバ１２０において、レコメンド手段が、予め入力されたユーザーの属性情報ＡＴに基づいて、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭを選択する推定モデル選択ステップＳ４と、レコメンド手段が、ユーザーの属性情報ＡＴを基準とした所定の類似範囲内の属性情報ＡＴの推定モデルＥＭに基づいてウェルビーイング値を増加させた目的地情報ＤＮまたはサービス情報を絞り込む類似範囲内目的地・サービス絞り込みステップＳ５と、ユーザー端末１１０が、絞り込まれた目的地情報ＤＮまたはサービス情報をユーザー端末１１０の表示部１１１に表示してレコメンドをする類似属性目的地・サービスレコメンド表示ステップＳ６とを有していることにより、推定モデルＥＭに係る属性と類似する属性情報ＡＴの多数のユーザーの幸福度を高めることができ、ユーザーの行動が増えて移動手段に対してや目的地またはサービスにおける金銭的消費を増加させてその地域経済やマーケットの活性化をより促進させることができ、ウェルビーイング値を向上させたいユーザーがそのエリアに来ているか否かを確認することができ、そのエリアの事業者へマーケティングについてアドバイスをすることができるなど、その効果は甚大である。
【符号の説明】
【0087】
１００ ・・・ レコメンドシステム
１１０ ・・・ ユーザー端末
１１１ ・・・ 表示部
１１２ ・・・ マイページ画面
１１３ ・・・ あなたの気分画面
１１４ ・・・ レコメンド画面
１１５ ・・・ 満足度の評価入力ウィンドウ
１１６ ・・・ 検索画面
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）
ＳＴ ・・・ シチュエーション情報
ＬＫ ・・・ 嗜好情報
ＲＴ ・・・ 経路情報
ＤＮ ・・・ 目的地情報
ＩＣ ・・・ （目的地情報の）アイコン
ＴＰ ・・・ ユーザータイプ傾向情報
ＡＴ ・・・ 属性情報
ＣＡ ・・・ カテゴリ別行動情報
ＳＦ ・・・ 満足度の評価情報（行動価値情報）
ＥＭ ・・・ 推定モデル
１１０ ・・・ ユーザー端末
１１１ ・・・ 表示部
１１２ ・・・ マイページ画面
１１３ ・・・ あなたの気分画面
１１４ ・・・ レコメンド画面
１１５ ・・・ 満足度の評価入力ウィンドウ
１１６ ・・・ 検索画面
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）
ＳＴ ・・・ シチュエーション情報
ＬＫ ・・・ 嗜好情報
ＲＴ ・・・ 経路情報
ＤＮ ・・・ 目的地情報
ＩＣ ・・・ （目的地情報の）アイコン
ＴＰ ・・・ ユーザータイプ傾向情報
ＡＴ ・・・ 属性情報
ＣＡ ・・・ カテゴリ別行動情報
ＳＦ ・・・ 満足度の評価情報（行動価値情報）
ＥＭ ・・・ 推定モデル
【要約】
【課題】推定モデルに係る属性と類似する属性情報のユーザーの幸福度を高めることができ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、ユーザーの属性情報およびカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、ユーザー端末において所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択し、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいてウェルビーイング値を増加させた目的地情報またはサービス情報を絞り込んでユーザー端末の表示部１１１に表示してレコメンドをする。
【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、ユーザーの属性情報およびカテゴリ別行動情報に基づいてウェルビーイング値を予め推定した推定モデルがあり、ユーザー端末において所定操作があったとき、ユーザー端末またはサーバにおいて、レコメンド手段が、予め入力されたユーザーの属性情報に基づいて、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルを選択し、ユーザーの属性情報を基準とした所定の類似範囲内の属性情報の推定モデルに基づいてウェルビーイング値を増加させた目的地情報またはサービス情報を絞り込んでユーザー端末の表示部１１１に表示してレコメンドをする。
【選択図】図１
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
