JP2023129013A - Information processing apparatus - Google Patents
Information processing apparatusDownload PDFInfo
- Publication number
- JP2023129013A JP2023129013AJP2022033747AJP2022033747AJP2023129013AJP 2023129013 AJP2023129013 AJP 2023129013AJP 2022033747 AJP2022033747 AJP 2022033747AJP 2022033747 AJP2022033747 AJP 2022033747AJP 2023129013 AJP2023129013 AJP 2023129013A
- Authority
- JP
- Japan
- Prior art keywords
- store
- user
- location
- coupon
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Translated fromJapaneseDescription
Translated fromJapanese本発明は、ユーザにクーポンを配信するための技術に関する。 The present invention relates to a technique for distributing coupons to users.
近年においては、膨大な消費者の行動データを解析してマーケティングに利用するデジタルマーケティングの重要性が高まっている。例えば特許文献１においては、特定地域住民にとって有利となる情報をその特定地域住民である顧客に配信する仕組みが提案されている。これにより、例えば、遠方から来店する顧客や競合他店のエリア内の顧客に対しては、その顧客に付与する特典のレベルを高くすることができるようになっている。 In recent years, the importance of digital marketing, which analyzes vast amounts of consumer behavior data and uses it for marketing, has increased. For example,
本発明は、上述した背景に鑑みてなされたものであり、ユーザの来店又は購入を促す効果が高いクーポン配信を実現することを目的とする。 The present invention has been made in view of the above-mentioned background, and an object of the present invention is to realize coupon distribution that is highly effective in encouraging users to visit a store or make a purchase.
上記課題を解決するため、本発明は、店舗における商品又はサービスの購入に利用されるクーポンが配信されたユーザが当該店舗に来店したか否か、又は、当該ユーザが当該店舗において当該クーポンを利用したか否かに関する情報を目的変数とし、前記ユーザの位置と前記店舗の位置との位置関係に関する位置関係情報を説明変数とした機械学習によって生成された学習済アルゴリズムを記憶する記憶部と、前記学習済アルゴリズムに対して、任意のユーザの位置と任意の店舗の位置との位置関係に関する位置関係情報を入力して、当該ユーザが当該店舗に来店する確率、又は、当該ユーザが当該店舗において当該クーポンを利用する確率に応じた確率情報を特定する特定部と、特定された前記確率情報に基づいて、各ユーザに配信するクーポンを決定する決定部とを備えることを特徴とする情報処理装置を提供する。 In order to solve the above-mentioned problems, the present invention determines whether or not a user to whom a coupon used for purchasing products or services at a store has been distributed has visited the store, or whether the user has used the coupon at the store. a storage unit that stores a learned algorithm generated by machine learning, with information regarding whether or not the user has done so as an objective variable, and positional relationship information regarding the positional relationship between the user's location and the store location as an explanatory variable; Input positional relationship information about the positional relationship between a given user's location and a given store's location to the trained algorithm, and calculate the probability that the user will visit the store, or the probability that the user will visit the store. An information processing device comprising: a specifying unit that specifies probability information according to the probability of using a coupon; and a determining unit that determines a coupon to be distributed to each user based on the specified probability information. provide.
本発明によれば、ユーザの来店又は購入を促す効果が高いクーポン配信を実現することができる。 According to the present invention, it is possible to realize coupon distribution that is highly effective in encouraging users to visit the store or make purchases.
［構成］
図１は、本実施形態に係る情報処理システム１の一例を示す図である。図１に示すように、情報処理システム１は、複数のユーザがそれぞれ利用する複数のユーザ端末１０と、本発明に係る情報処置装置として各ユーザ端末１０に対するクーポン配信に関する処理を行うサーバ装置２０と、これらを通信可能に接続する無線通信網又は有線通信網を含むネットワーク２とを備えている。ユーザ端末１０は、例えばスマートホン、ウェアラブル端末、タブレット又はパーソナルコンピュータなどの、無線又は有線を介してネットワーク２に接続可能なコンピュータである。サーバ装置２０は、いわゆる機械学習を利用することで、ユーザと店舗との位置関係に応じた最適なクーポン配信を行う。サーバ装置２０は、単体のコンピュータで実現されてもよいし、複数のコンピュータの集合体によって実現されてもよい。[composition]
FIG. 1 is a diagram showing an example of an
図２は、ユーザ端末１０のハードウェア構成を示す図である。ユーザ端末１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、及びこれらを接続するバスなどを含むコンピュータとして構成されている。これらの各装置は図示せぬ電源から供給される電力によって動作する。なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。ユーザ端末１０のハードウェア構成は、図２に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。また、それぞれ筐体が異なる複数の装置が通信接続されて、ユーザ端末１０を構成してもよい。 FIG. 2 is a diagram showing the hardware configuration of the
ユーザ端末１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。 Each function in the
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。また、例えばベースバンド信号処理部や呼処理部などがプロセッサ１００１によって実現されてもよい。The
プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、後述する動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。ユーザ端末１０の機能ブロックは、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよい。各種の処理は、１つのプロセッサ１００１によって実行されてもよいが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、ネットワーク２経由でユーザ端末１０に送信されてもよい。 The
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本実施形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。 The
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。 The
通信装置１００４は、ネットワーク２を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、無線通信を実現する場合には、例えばＬＴＥ（Long Time Evolution）等の通信規格に従ってネットワーク２を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）である。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。また、送受信アンテナ、アンプ部、送受信部、伝送路インターフェースなどがこの通信装置１００４によって実現されてもよい。送受信部は、送信部と受信部とで、物理的に、又は論理的に分離された実装がなされてもよい。 The
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キー、マイクロフォン、スイッチ、ボタン、カメラ、センサ、２次元コードリーダ、ＧＰＳユニット、各種の入力インターフェースなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、ＬＥＤランプ、各種の出力インターフェースなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。 The
プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバスによって接続される。バスは、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。Each device, such as the
ユーザ端末１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。 The
図３は、サーバ装置２０のハードウェア構成を示す図である。サーバ装置２０は、物理的には、プロセッサ２００１、メモリ２００２、ストレージ２００３、通信装置２００４、及びこれらを接続するバスなどを含むコンピュータとして構成されている。これらの各装置は図示せぬ電源から供給される電力によって動作する。サーバ装置２０のハードウェア構成は、図３に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。また、それぞれ筐体が異なる複数の装置が通信接続されて、サーバ装置２０を構成してもよい。 FIG. 3 is a diagram showing the hardware configuration of the
サーバ装置２０における各機能は、プロセッサ２００１、メモリ２００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ２００１が演算を行い、通信装置２００４による通信を制御したり、メモリ２００２及びストレージ２００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。プロセッサ２００１、メモリ２００２、ストレージ２００３、通信装置２００４、及びこれらを接続するバスは、ユーザ端末１０について説明したプロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、及びこれらを接続するバスと、ハードウェアとしては同様であるため、その説明を省略する。なお、サーバ装置２０は、ユーザ端末１０の入力装置１００５又は出力装置１００６と同等のハードウェアを備えていてもよいし、備えていなくてもよい。 Each function in the
図４は、サーバ装置２０の機能構成を示すブロック図である。サーバ装置２０において上記ハードウェアが連携することによって、取得部２１、機械学習部２２、記憶部２３、特定部２４、決定部２５及び配信部２６という機能が実現される。 FIG. 4 is a block diagram showing the functional configuration of the
取得部２１は、ユーザ端末１０等の、サーバ装置２０の外部から各種情報を取得する。 The
機械学習部２２は、各ユーザが各店舗においてクーポンを利用したか否かに関する情報を目的変数とし、そのユーザの位置とその店舗の位置との位置関係に関する位置関係情報を説明変数とした、いわゆる教師あり機械学習を行って、学習済アルゴリズムを生成する。ここで、説明変数としての位置関係情報は、各ユーザの位置及び各店舗の位置の距離、各ユーザの位置及び各店舗と競合する競合店舗の位置の距離、及び、各店舗の位置及びその店舗にとっての競合店舗の位置の距離を含む。この機械学習における説明変数は、上述した位置関係情報のほか、ユーザの属性、店舗の属性、その店舗と競合する競合店舗の属性に関する情報、ユーザに配信したクーポンの内容に関する情報、及び、ユーザにクーポンを配信した日又は時に関する情報を含んでいる。 The
記憶部２３は、機械学習部２２により生成された学習済アルゴリズムを記憶する。また、記憶部２３は、上記のような機械学習を行うため、各ユーザに関する情報群であるユーザデータベース、各店舗に関する情報群である店舗データベース、及び、各クーポンに関する情報群であるクーポンデータベースを記憶する。 The
図５は、ユーザデータベースの構造を例示する図である。ユーザデータベースにおいては、各ユーザを識別するユーザＩＤと、そのユーザの各種属性（例えば性別、年齢、趣味、嗜好、家族構成、資産状況等）であるユーザ属性と、そのユーザの位置を示すユーザ位置情報とが対応付けられている。ユーザ位置情報は、例えばＧＰＳ（Global Positioning System）やいわゆる基地局測位により測定されたものである。 FIG. 5 is a diagram illustrating the structure of the user database. In the user database, the user ID that identifies each user, the user attributes that are various attributes of that user (for example, gender, age, hobbies, preferences, family structure, asset status, etc.), and the user position that indicates the location of that user are stored. information is associated. The user position information is measured by, for example, GPS (Global Positioning System) or so-called base station positioning.
図６は、店舗データベースの構造を例示する図である。店舗データベースにおいては、各店舗を識別する店舗ＩＤと、その店舗の各種属性（例えば店舗種類、規模、価格帯、駐車場有無等）である店舗属性と、その店舗の位置を示す店舗位置情報と、その店舗にとっての競合となり得る競合店舗（例えば或るフランチャイズチェーンに属するコンビニエンスストアに対する別のフランチャイズチェーンに属するコンビニエンスストア）の店舗ＩＤを列挙した競合店舗リストとが対応付けられている。 FIG. 6 is a diagram illustrating the structure of the store database. The store database includes a store ID that identifies each store, store attributes that are various attributes of the store (for example, store type, size, price range, presence of parking lot, etc.), and store location information that indicates the location of the store. , is associated with a competitive store list listing store IDs of competing stores (for example, a convenience store belonging to a certain franchise chain versus a convenience store belonging to another franchise chain) that may compete with the store.
図７は、クーポンデータベースの構造を例示する図である。クーポンデータベースにおいては、各クーポンを識別するクーポンＩＤと、そのクーポンの内容（例えば割引額、割引の対象となる商品又はサービス、有効期間等）と、そのクーポンの配信日時とが対応付けられている。 FIG. 7 is a diagram illustrating the structure of a coupon database. In the coupon database, the coupon ID that identifies each coupon, the contents of the coupon (for example, the discount amount, the product or service eligible for the discount, the validity period, etc.), and the distribution date and time of the coupon are associated with each other. .
図４の説明に戻り、特定部２４は、記憶部２３に記憶されている学習済アルゴリズムに対して、任意のユーザの位置と任意の店舗の位置との位置関係に関する位置関係情報等の上記の各種説明変数に相当する情報を入力して、そのユーザがその店舗においてクーポンを利用する確率に応じた確率情報を特定する。 Returning to the explanation of FIG. 4, the specifying
決定部２５は、特定部２４により特定された確率情報に基づいて、各ユーザに配信するクーポンを決定する。決定部２５は、例えばクーポンを利用可能な対象店舗に対して競合店のほうが近いユーザに対しては、上記確率が低くなるので、より高い割引金額や特典が大きいクーポンといったように、ユーザにとっての利益が大きいクーポンを決定する。また、決定部２５は、クーポンを利用可能な対象店舗に対する競合店が近くにないユーザに対しては、上記確率が高くなるので、より低い割引金額や特典が小さいクーポンといったように、ユーザにとっての利益が小さいクーポンを決定するとか、或いは、クーポン配信の対象外に決定する。なお、確率情報と、各ユーザに配信するクーポンの関係は、上記の例示に限定されず、予め様々な関係を定めておくことができる。 The determining
そして、配信部２６は、決定部２５により決定されたクーポンをユーザ端末１０に配信する。このようにして配信されたクーポンは、ユーザ端末１０において例えば表示等の方法により、その内容がユーザに告知される。 The
［動作］
次に、図８，９を参照して、情報処理システム１の動作について説明する。なお、以下の説明において、サーバ装置２０を処理の主体として記載する場合には、具体的にはプロセッサ２００１、メモリ２００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ２００１が演算を行い、通信装置２００４による通信や、メモリ２００２及びストレージ２００３におけるデータの読み出し及び／又は書き込みを制御することにより、処理が実行されることを意味する。ユーザ端末１０についても同様である。[motion]
Next, the operation of the
［機械学習動作］
まず、機械学習動作について説明する。サーバ装置２０において配信部２６は、様々なクーポンを複数のユーザ端末１０にそれぞれ配信する（ステップＳ１１）。この段階におけるクーポン配信は機械学習を行うことを目的としているため、配信部２６は、クーポンとユーザとの適合性は特に考慮せず、店舗や商品製造者から指定されたクーポンを例えばランダムに抽出した複数のユーザ端末１０に配信する。各クーポンに関する情報は記憶部２３が記憶するクーポンデータベースに格納される。なお、この段階で、各ユーザ及び各店舗に関する情報は、ユーザデータベース及び店舗データベースにそれぞれに格納されている。このようにして配信されたクーポンは、ユーザ端末１０において例えば表示等の方法により、その内容がユーザに告知される。[Machine learning operation]
First, the machine learning operation will be explained. In the
ユーザは、ユーザ端末１０に配信されたクーポンを店舗にて利用して商品またはサービスを購入する。このときのユーザによるクーポンの利用の方法はどのようなものであってもよいが、少なくともどのクーポンがどのユーザによってどの店舗でいつどのように利用されたかが例えばユーザ端末１０から又は各店舗の店舗端末からサーバ装置２０に通知されるようになっている。サーバ装置２０の取得部２１は、どのクーポンがどのユーザによってどの店舗でいつどのように利用されたかという情報を取得する（ステップＳ１２）。これらの情報は、機械学習を行うための教師データとして記憶部２３に記憶される（ステップＳ１３）。 The user uses the coupon delivered to the
機械学習部２２は、記憶部２３に記憶された内容に基づき、各ユーザが各店舗においてクーポンを利用したか否かに関する情報を目的変数とするとともに、そのユーザの位置とその店舗の位置との位置関係に関する位置関係情報を含む説明変数を用いて機械学習を行い、学習済アルゴリズムを生成する（ステップＳ１４）。このとき、クーポンを利用したユーザと、そのクーポンが利用された店舗との位置関係情報は、記憶部２３のユーザデータベース及び店舗データベースを参照することで特定される。この位置関係情報は、各ユーザの位置及び各店舗の位置の距離、各ユーザの位置及び各店舗と競合する競合店舗の位置の距離、及び、各店舗の位置及びその競合店舗の位置の距離を含んでいる。さらに、この説明変数は、ユーザの属性、店舗の属性、その店舗と競合する競合店舗の属性に関する情報、ユーザに配信したクーポンの内容に関する情報、及び、ユーザにクーポンを配信した日又は時に関する情報を含んでいる。なお、或る店舗にとっての競合店舗の属性に関する情報は、その店舗に対応する競合店舗リストに含まれる競合店舗の店舗ＩＤに基づいて店舗データベースを検索することにより特定可能である。 Based on the content stored in the
記憶部２３は、機械学習部２２により生成された学習済アルゴリズムを記憶する（ステップＳ１５）。 The
［クーポン配信動作］[Coupon distribution operation]
次に、クーポン配信動作について説明する。サーバ装置２０において特定部２４は、記憶部２３に記憶されている学習済アルゴリズムに対して、任意のユーザの位置と任意の店舗の位置との位置関係に関する位置関係情報（各ユーザの位置及び各店舗の位置の距離、各ユーザの位置及び各店舗と競合する競合店舗の位置の距離、及び、各店舗の位置及びその競合店舗の位置の距離）のほか、ユーザの属性、店舗の属性、その店舗と競合する競合店舗の属性に関する情報、ユーザに配信するクーポンの内容に関する情報、及び、ユーザにクーポンを配信する日又は時に関する情報を入力して、そのユーザがその店舗においてクーポンを利用する確率に応じた確率情報を特定する（ステップＳ２１）。特定部２４は、配信対象となり得る全ユーザとクーポンが利用される対象となる全店舗との各組み合わせについて上記の確率情報の特定を試みる。 Next, the coupon distribution operation will be explained. In the
次に、決定部２５は、特定部２４により特定された確率情報に基づいて、各ユーザに配信するクーポンを決定する（ステップＳ２２）。決定部２５は、例えばクーポンを利用可能な対象店舗に対して競合店のほうが近いユーザに対しては、上記確率が低くなるので、より高い割引金額や特典が大きいクーポンといったように、ユーザにとっての利益が大きいクーポンを決定する。また、決定部２５は、クーポンを利用可能な対象店舗に対する競合店が近くにないユーザに対しては、上記確率が高くなるので、より低い割引金額や特典が小さいクーポンといったように、ユーザにとっての利益が小さいクーポンを決定するとか、或いは、クーポン配信の対象外に決定する。なお、確率情報と、各ユーザに配信するクーポンの関係は、上記の例示に限定されず、予め様々な関係を定めておくことができる。 Next, the determining
配信部２６は、決定部２５により決定されたクーポンを、そのクーポンの配信先となるユーザ端末１０に配信する（ステップＳ２３）。ユーザはユーザ端末１０に配信されたクーポンを店舗で利用して商品又はサービスを購入する。このとき、上述した機械学習動作のときと同様に、どのクーポンがどのユーザによってどの店舗でいつどのように利用されたかという情報が例えばユーザ端末１０から又は各店舗の店舗端末からサーバ装置２０に通知され、これを用いて機械学習が繰り返し行われる。これにより、機械学習の学習精度が向上する。 The
以上説明した実施形態によれば、ユーザの来店又は購入を促す効果が高いクーポン配信を実現することが可能となる。 According to the embodiment described above, it is possible to realize coupon distribution that is highly effective in encouraging users to visit the store or make purchases.
［変形例］
本発明は、上述した実施形態に限定されない。上述した実施形態を以下のように変形してもよい。また、以下の２つ以上の変形例を組み合わせて実施してもよい。
［変形例１］
上記実施形態において、機械学習部２２は、ユーザが店舗においてそのクーポンを利用したか否かに関する情報を目的変数としていたが、店舗における商品又はサービスの購入に利用されるクーポンが配信されたユーザがその店舗に来店したか否かに関する情報を目的変数としてもよい。店舗における商品又はサービスの購入に利用されるクーポンが配信されたユーザがその店舗に来店したか否かは、例えばユーザの位置（ユーザ位置情報）と店舗の位置（店舗位置情報）とを照合したり、いわゆるチェックインと呼ばれるユーザの来店検知技術を用いたりして実現することができる。つまり、サーバ装置２０は、店舗における商品又はサービスの購入に利用されるクーポンが配信されたユーザがその店舗に来店したか否か、又は、そのユーザがその店舗においてそのクーポンを利用したか否かに関する情報を目的変数とし、ユーザの位置と店舗の位置との位置関係に関する位置関係情報を説明変数とした機械学習によって生成された学習済アルゴリズムを記憶する記憶部２３と、学習済アルゴリズムに対して、任意のユーザの位置と任意の店舗の位置との位置関係に関する位置関係情報を入力して、そのユーザがその店舗に来店する確率、又は、そのユーザがその店舗においてそのクーポンを利用する確率に応じた確率情報を特定する特定部２４と、特定された確率情報に基づいて、各ユーザに配信するクーポンを決定する決定部２５とを備える。[Modified example]
The invention is not limited to the embodiments described above. The embodiment described above may be modified as follows. Furthermore, two or more of the following modifications may be implemented in combination.
[Modification 1]
In the above embodiment, the
［変形例２］
機械学習において、ユーザの動線（ユーザ位置情報の時系列の履歴）を考慮するようにしてもよい。つまり、位置関係情報は、時系列のユーザの位置に基づいて特定された動線と、店舗の位置又は店舗と競合する競合店舗の位置との距離を含むものであってもよい。これにより、ユーザの動線を考慮した機械学習が行われ、ユーザの来店又は購入を促す効果がより高いクーポン配信が実現される。[Modification 2]
In machine learning, a user's flow line (chronological history of user position information) may be taken into consideration. That is, the positional relationship information may include the distance between the flow line specified based on the user's position in time series and the location of the store or the location of a competing store that competes with the store. As a result, machine learning is performed that takes the user's flow line into consideration, and coupon distribution is realized that is more effective in encouraging the user to visit the store or make a purchase.
なお、本発明における距離とは、地図上の２点間を直線で結んだ物理的な距離だけでなく、その２点間を例えば徒歩や各種交通機関で移動する際に必要とする時間を距離とみなしてもよい。例えば横断が禁止された線路を挟んだ２点間においては、物理的な距離は短いにもかかわらず、移動時間が長くなることがあるが、このような場合であってもこの２点間の実質的な距離に相当する情報を、位置関係情報として用いることが可能となる。 Note that distance in the present invention refers not only to the physical distance between two points on a map connected by a straight line, but also to the distance required to travel between the two points, for example, on foot or by various means of transportation. It may be considered as For example, between two points across a railroad track that is prohibited to cross, the travel time may be longer even though the physical distance is short. Information corresponding to a substantial distance can be used as positional relationship information.
［変形例３］
機械学習において、例えばユーザが居る場所がそのユーザの自宅や勤務先等であるというように、ユーザにとってその位置がどのような属性であるか、つまり各ユーザにとってその位置にどのようなユーザ固有の意味を持つかということを考慮するようにしてもよい。つまり、機械学習における説明変数は、ユーザの位置が、そのユーザにとってどのような属性を持つ位置であるかという情報を含むものであってもよい。ユーザの位置が、そのユーザにとってどのような属性を持つ位置であるかという情報は、例えばユーザの位置の履歴に基づいて、ユーザが夜間から早朝にかけて滞在している位置は自宅であり、ユーザが日中滞在している位置は勤務先である、といった具合に特定することができる。なお、自宅や勤務先以外に、ユーザがよく立ち寄る場所であるとか、ユーザの生活圏に属するエリアであるといった属性の特定の仕方も可能である。これにより、ユーザにとってその位置がどのような属性であるかを考慮した機械学習が行われ、ユーザの来店又は購入を促す効果がより高いクーポン配信が実現される。[Modification 3]
In machine learning, for example, if a user's location is the user's home or work, what kind of attributes does that location have for the user? In other words, what kind of user-specific attributes does that location have for each user? You may also consider whether it has any meaning. That is, an explanatory variable in machine learning may include information about what attributes a user's location has for that user. Information about what kind of attributes a user's location has for the user can be obtained, for example, based on the user's location history, such as the location where the user stays from night to early morning is his or her home. It is possible to specify, for example, that the location where the person stays during the day is his/her place of work. Note that in addition to home and work, it is also possible to specify attributes such as a place where the user often stops by, or an area that belongs to the user's living area. As a result, machine learning is performed that takes into account the attributes of the location for the user, and coupon distribution is realized that is more effective in encouraging the user to visit the store or make a purchase.
［変形例４］
機械学習において、クーポン利用時の決済金額を考慮するようにしてもよい。つまり、目的変数は、ユーザが店舗においてクーポンを利用して決済した金額に関する情報を含むものであってもよい。ユーザが店舗においてクーポンを利用して決済した金額は、例えばユーザ端末１０から又は店舗の店舗端末からサーバ装置２０に通知するようにすれば、これを特定可能である。これにより、クーポン利用時の決済金額を考慮した機械学習が行われ、ユーザの来店又は購入を促す効果がより高いクーポン配信が実現される。[Modification 4]
In machine learning, the payment amount when using a coupon may be taken into consideration. In other words, the objective variable may include information regarding the amount paid by the user using the coupon at the store. The amount paid by the user using the coupon at the store can be identified by, for example, notifying the
［その他の変形例］
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。[Other variations]
It should be noted that the block diagram used to explain the above embodiment shows blocks in functional units. These functional blocks (components) are realized by any combination of at least one of hardware and software. Furthermore, the method for realizing each functional block is not particularly limited. That is, each functional block may be realized using one physically or logically coupled device, or may be realized using two or more physically or logically separated devices directly or indirectly (e.g. , wired, wireless, etc.) and may be realized using a plurality of these devices. The functional block may be realized by combining software with the one device or the plurality of devices.
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信制御部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。 Functions include judgment, decision, judgment, calculation, calculation, processing, derivation, investigation, exploration, confirmation, reception, transmission, output, access, resolution, selection, selection, establishment, comparison, assumption, expectation, consideration, These include, but are not limited to, broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, and assigning. I can't do it. For example, a functional block (configuration unit) that performs transmission is called a transmitting unit or a transmitter. In either case, as described above, the implementation method is not particularly limited.
例えば、本開示の一実施の形態におけるサーバ装置などは、本開示の処理を行うコンピュータとして機能してもよい。 For example, a server device in an embodiment of the present disclosure may function as a computer that performs processing of the present disclosure.
本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。 Each aspect/embodiment described in this disclosure applies to LTE (Long Term Evolution), LTE-A (LTE-Advanced), SUPER 3G, IMT-Advanced, 4G (4th generation mobile communication system), and 5G (5th generation mobile communication system). system), FRA (Future Radio Access), NR (new Radio), W-CDMA (registered trademark), GSM (registered trademark), CDMA2000, UMB (Ultra Mobile Broadband), IEEE 802.11 (Wi-Fi (registered trademark) )), IEEE 802.16 (WiMAX (registered trademark)), IEEE 802.20, UWB (Ultra-WideBand), Bluetooth (registered trademark), and systems that utilize and are extended based on these. It may be applied to at least one next generation system. Furthermore, a combination of a plurality of systems may be applied (for example, a combination of at least one of LTE and LTE-A and 5G).
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。例えば図５において、サーバ装置２０がステップＳ１１の処理の前に、商品販売者サーバ装置３０から事前に販売実績情報を取得する処理を行うなど、各処理の順番は任意に変更し得る。 The order of the processing procedures, sequences, flowcharts, etc. of each aspect/embodiment described in this disclosure may be changed as long as there is no contradiction. For example, the methods described in this disclosure use an example order to present elements of the various steps and are not limited to the particular order presented. For example, in FIG. 5, the order of each process can be changed arbitrarily, such as the
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。 The input/output information may be stored in a specific location (eg, memory) or may be managed using a management table. Information etc. to be input/output may be overwritten, updated, or additionally written. The output information etc. may be deleted. The input information etc. may be transmitted to other devices.
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。 Judgment may be made using a value expressed by 1 bit (0 or 1), a truth value (Boolean: true or false), or a comparison of numerical values (for example, a predetermined value). (comparison with a value).
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。 Although the present disclosure has been described in detail above, it is clear to those skilled in the art that the present disclosure is not limited to the embodiments described in the present disclosure. The present disclosure can be implemented as modifications and variations without departing from the spirit and scope of the present disclosure as determined by the claims. Therefore, the description of the present disclosure is for the purpose of illustrative explanation and is not intended to have any limiting meaning on the present disclosure.
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。 Software includes instructions, instruction sets, code, code segments, program code, programs, subprograms, software modules, whether referred to as software, firmware, middleware, microcode, hardware description language, or by any other name. , should be broadly construed to mean an application, software application, software package, routine, subroutine, object, executable, thread of execution, procedure, function, etc. Additionally, software, instructions, information, etc. may be sent and received via a transmission medium. For example, if the software uses wired technology (coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL), etc.) and/or wireless technology (infrared, microwave, etc.) to When transmitted from a server or other remote source, these wired and/or wireless technologies are included within the definition of transmission medium.
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。The information, signals, etc. described in this disclosure may be represented using any of a variety of different technologies. For example, data, instructions, commands, information, signals, bits, symbols, chips, etc., which may be referred to throughout the above description, may refer to voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or any of these. It may also be represented by a combination of
Note that terms explained in this disclosure and terms necessary for understanding this disclosure may be replaced with terms having the same or similar meanings.
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。 In addition, the information, parameters, etc. described in this disclosure may be expressed using absolute values, relative values from a predetermined value, or using other corresponding information. may be expressed.
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。 As used in this disclosure, the phrase "based on" does not mean "based solely on" unless explicitly stated otherwise. In other words, the phrase "based on" means both "based only on" and "based at least on."
本開示において使用する「第１」、「第２」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。 As used in this disclosure, any reference to elements using the designations "first," "second," etc. does not generally limit the amount or order of those elements. These designations may be used in this disclosure as a convenient way to distinguish between two or more elements. Thus, reference to a first and second element does not imply that only two elements may be employed or that the first element must precede the second element in any way.
上記の各装置の構成における「部」を、「手段」、「回路」、「デバイス」等に置き換えてもよい。 The "unit" in the configuration of each device described above may be replaced with "means", "circuit", "device", etc.
本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。 Where "include", "including" and variations thereof are used in this disclosure, these terms, like the term "comprising," are inclusive. It is intended that Furthermore, the term "or" as used in this disclosure is not intended to be exclusive or.
本開示において、例えば、英語でのa,an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。In this disclosure, when articles are added by translation, such as a, an, and the in English, the present disclosure may include that the nouns following these articles are plural.
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。 In the present disclosure, the term "A and B are different" may mean "A and B are different from each other." Note that the term may also mean that "A and B are each different from C". Terms such as "separate" and "coupled" may also be interpreted similarly to "different."
１：情報処理システム、２：ネットワーク、１０：ユーザ端末、２０：サーバ装置、２１：取得部、２２：機械学習部、２３：記憶部、２４：特定部、２５：決定部、２６：配信部、１００１：プロセッサ、１００２：メモリ、１００３：ストレージ、１００４：通信装置、１００５：入力装置、１００６：出力装置、２００１：プロセッサ、２００２：メモリ、２００３：ストレージ、２００４：通信装置。1: Information processing system, 2: Network, 10: User terminal, 20: Server device, 21: Acquisition unit, 22: Machine learning unit, 23: Storage unit, 24: Specification unit, 25: Determination unit, 26: Distribution unit , 1001: processor, 1002: memory, 1003: storage, 1004: communication device, 1005: input device, 1006: output device, 2001: processor, 2002: memory, 2003: storage, 2004: communication device.
Claims (10)
Translated fromJapanese前記学習済アルゴリズムに対して、任意のユーザの位置と任意の店舗の位置との位置関係に関する位置関係情報を入力して、当該ユーザが当該店舗に来店する確率、又は、当該ユーザが当該店舗において当該クーポンを利用する確率に応じた確率情報を特定する特定部と、
特定された前記確率情報に基づいて、各ユーザに配信するクーポンを決定する決定部と
を備えることを特徴とする情報処理装置。The objective variable is information regarding whether a user to whom a coupon used for purchasing products or services at a store was distributed visited the store, or whether the user used the coupon at the store, a storage unit that stores a learned algorithm generated by machine learning using positional relationship information regarding the positional relationship between the user's position and the store's position as an explanatory variable;
The learned algorithm inputs positional relationship information regarding the positional relationship between a given user's location and a given store's location, and calculates the probability that the user will visit the store, or the probability that the user will visit the store. a specifying unit that specifies probability information according to the probability of using the coupon;
An information processing device comprising: a determining unit that determines a coupon to be distributed to each user based on the specified probability information.
前記ユーザの位置と、前記店舗の位置との距離を含む
ことを特徴とする請求項１記載の情報処理装置。The positional relationship information is
The information processing device according to claim 1, further comprising a distance between the user's location and the store location.
前記ユーザの位置と、前記店舗と競合する競合店舗の位置との距離を含む
ことを特徴とする請求項２記載の情報処理装置。The positional relationship information is
The information processing device according to claim 2, further comprising a distance between the user's location and a location of a competing store that competes with the store.
前記店舗の位置と、前記競合店舗の位置との距離を含む
ことを特徴とする請求項３記載の情報処理装置。The positional relationship information is
The information processing device according to claim 3, further comprising a distance between the location of the store and the location of the competing store.
時系列の前記ユーザの位置に基づいて特定された動線と、前記店舗の位置又は前記店舗と競合する競合店舗の位置との距離を含む
ことを特徴とする請求項１記載の情報処理装置。The positional relationship information is
The information processing device according to claim 1, further comprising a distance between a flow line specified based on the user's position in time series and a location of the store or a location of a competing store that competes with the store.
前記ユーザの位置が、当該ユーザにとってどのような属性を持つ位置であるかという情報を含む
ことを特徴とする請求項１～５のいずれか１項に記載の情報処理装置。The explanatory variables are
The information processing apparatus according to any one of claims 1 to 5, wherein the user's location includes information as to what kind of attributes the user's location has for the user.
前記ユーザに配信したクーポンの内容に関する情報を含む
ことを特徴とする請求項１～６のいずれか１項に記載の情報処理装置。The explanatory variables are
The information processing device according to any one of claims 1 to 6, further comprising information regarding the content of the coupon distributed to the user.
前記ユーザにクーポンを配信した日又は時に関する情報を含む
ことを特徴とする請求項１～７のいずれか１項に記載の情報処理装置。The explanatory variables are
The information processing device according to any one of claims 1 to 7, further comprising information regarding a date or time when the coupon was distributed to the user.
前記店舗の属性、又は、当該店舗と競合する競合店舗の属性に関する情報を含む
ことを特徴とする請求項１～８のいずれか１項に記載の情報処理装置。The explanatory variables are
The information processing device according to any one of claims 1 to 8, further comprising information regarding attributes of the store or attributes of a competing store that competes with the store.
前記ユーザが当該店舗において当該クーポンを利用して決済した金額に関する情報を含む
ことを特徴とする請求項１～９のいずれか１項に記載の情報処理装置。The objective variable is
The information processing device according to any one of claims 1 to 9, further comprising information regarding an amount paid by the user at the store using the coupon.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022033747AJP7265053B1 (en) | 2022-03-04 | 2022-03-04 | Information processing equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022033747AJP7265053B1 (en) | 2022-03-04 | 2022-03-04 | Information processing equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7265053B1 JP7265053B1 (en) | 2023-04-25 |
| JP2023129013Atrue JP2023129013A (en) | 2023-09-14 |
Family
ID=86096132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022033747AActiveJP7265053B1 (en) | 2022-03-04 | 2022-03-04 | Information processing equipment |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7265053B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005128903A (en)* | 2003-10-27 | 2005-05-19 | Hitachi Ltd | Discount content setting system |
| WO2015118871A1 (en)* | 2014-02-07 | 2015-08-13 | 日本電気株式会社 | Information management device and method, and recording medium |
| CN108416624A (en)* | 2018-02-27 | 2018-08-17 | 深圳乐信软件技术有限公司 | Coupon pushing method, device, storage medium and intelligent terminal |
| WO2020230736A1 (en)* | 2019-05-14 | 2020-11-19 | 株式会社Ｎｔｔドコモ | Demand distribution device |
| JP2021165937A (en)* | 2020-04-07 | 2021-10-14 | 株式会社ロイヤリティマーケティング | Information processing equipment, information processing methods and programs |
- 2022
- 2022-03-04JPJP2022033747Apatent/JP7265053B1/enactiveActive
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005128903A (en)* | 2003-10-27 | 2005-05-19 | Hitachi Ltd | Discount content setting system |
| WO2015118871A1 (en)* | 2014-02-07 | 2015-08-13 | 日本電気株式会社 | Information management device and method, and recording medium |
| CN108416624A (en)* | 2018-02-27 | 2018-08-17 | 深圳乐信软件技术有限公司 | Coupon pushing method, device, storage medium and intelligent terminal |
| WO2020230736A1 (en)* | 2019-05-14 | 2020-11-19 | 株式会社Ｎｔｔドコモ | Demand distribution device |
| JP2021165937A (en)* | 2020-04-07 | 2021-10-14 | 株式会社ロイヤリティマーケティング | Information processing equipment, information processing methods and programs |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7265053B1 (en) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2022071698A (en) | Information processing device | |
| US20220284460A1 (en) | Price prediction device | |
| JP2023129013A (en) | Information processing apparatus | |
| JP2022038304A (en) | Information processing equipment | |
| WO2020230736A1 (en) | Demand distribution device | |
| JP7645765B2 (en) | Information processing system and payment management device | |
| JP2021105858A (en) | Information processing device | |
| US20240386499A1 (en) | Investment trust price prediction device and prediction model | |
| JP7664934B2 (en) | Recommendation device | |
| JP7572809B2 (en) | Information Providing Device | |
| JP7073428B2 (en) | Information processing equipment | |
| JP7315385B2 (en) | Information processing system | |
| JP2023068968A (en) | Information processor | |
| JP7553639B1 (en) | Information processing device | |
| JP7350953B1 (en) | information processing equipment | |
| JP7554595B2 (en) | Behavioral characteristic determination device | |
| US11812326B2 (en) | Check-in determining device | |
| JP7339193B2 (en) | Information processing equipment | |
| US20220095392A1 (en) | Device management system | |
| US20240354833A1 (en) | Behavior predicting device | |
| US20220022157A1 (en) | Check-in determination device | |
| JP2022026687A (en) | Information providing apparatus | |
| JP2023088791A (en) | Information processing device | |
| JP7370292B2 (en) | Proposed device | |
| JP7637293B1 (en) | Information processing device and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination | Free format text:JAPANESE INTERMEDIATE CODE: A621 Effective date:20220304 | |
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) | Free format text:JAPANESE INTERMEDIATE CODE: A01 Effective date:20230328 | |
| A61 | First payment of annual fees (during grant procedure) | Free format text:JAPANESE INTERMEDIATE CODE: A61 Effective date:20230413 | |
| R150 | Certificate of patent or registration of utility model | Ref document number:7265053 Country of ref document:JP Free format text:JAPANESE INTERMEDIATE CODE: R150 |