JP6879379B2 - 接客支援装置、接客支援方法、及びプログラム - Google Patents

Description

本発明は、店舗における店員の接客行動の支援を図るための、接客支援装置、及び接客支援方法に関し、更には、これらを実現するためのプログラムに関する。

近年、ＩＴ（Information Technology）技術の発展により、小売店において店員による接客を支援するシステムが種々提案されている（例えば、特許文献１〜３参照）。このようなシステムによれば、従来に比べて、店員は顧客に対して効率良く接客を行うことができるようになる。

特許文献１は、顧客の嗜好情報を店員の端末装置に送信するシステムを開示している。具体的には、特許文献１に開示されたシステムは、顧客が来店すると、来店時の顧客の画像から顧客を特定し、データベースから、特定した顧客の嗜好情報（例えば、顧客の属性情報、購買履歴）を抽出する。そして、特許文献１に開示されたシステムは、抽出した嗜好情報を店員の端末装置に送信し、その画面上に提示させる。特許文献１に開示されたシステムによれば、店員は顧客の嗜好を知ることができるので、効率良く接客を行うことができる。

また、特許文献２は、顧客の端末と店員の端末とに商品に関するコンテンツを配信するシステムを開示している。具体的には、特許文献２に開示されたシステムは、顧客の端末に、推薦する商品に関するコンテンツ（商品カタログ等）を送信すると共に、店員の端末には、その商品を顧客に推奨する理由を送信する。

例えば、特許文献２に開示されたシステムが、顧客の端末に、「○○ブランドの○○バッグ○○シリーズ」のコンテンツを配信したとする。この場合、特許文献２に開示されたシステムは、店員の端末には、「○○ブランドは、４０代ミセス人気ランキング上位のブランドであり、お客様がお好きなブランドの一つである。○○バッグ○○シリーズは、人気上位のアイテムである。お客様は、年に２つ程度のバッグを購入され、そろそろご購入の時期である。」等のメッセージを送信する。

店員は、上記のメッセージが端末で受信され、端末の画面に上記メッセージが表示されると、それを確認する。この結果、店員は、商品を顧客に推奨する具体的な理由を確認できるので、この場合も、効率良く接客を行うことができる。

更に、特許文献３は、顧客の行動を分析するシステムを開示している。具体的には、特許文献３に開示されたシステムは、まず、商品棚とその前に位置している顧客とを撮影する３Ｄカメラから出力された画像情報と距離情報とを取得する。続いて、特許文献３に開示されたシステムは、取得した情報から、顧客が手にとった商品を特定し、特定した商品のＩＤ、その時点の位置（商品が配置されていた棚の位置）、時刻等に基づいて、顧客の商品に対する動作を分析する。

この分析によって得られた情報によれば、店舗側は、どの棚の何段目の商品が顧客によく触れられているかを把握できるので、棚割りの改善を図ることができる。また、この情報を用いれば、店舗側は、チラシの配布の前後、及び広告の前後における、顧客の行動の変化を特定でき、チラシの配布及び広告の効果を把握することもできる。このため、特許文献３に開示されたシステムを用いた場合も、店員は効率良く接客を行うことができる。

特開２０１７−００４４３２号公報 特開２０１５−２１９７８４号公報 国際公開第２０１５／０３３５７７号

ところで、店舗において重要なことは、購買意欲の高い顧客を特定し、この顧客に対して接客を行うことである。特に、昨今においては、人手不足が叫ばれており、店舗に十分な数の店員がいない場合もあるため、経営上、購買意欲の高い顧客を特定することは極めて重要である。従って、接客を支援するシステムには、購買意欲の高い顧客を特定することが求められている。

しかしながら、特許文献１に開示されたシステムは、店員に対しその顧客の嗜好情報を提示するに過ぎず、顧客の購買意欲の程度が店員に示されるわけではない。特許文献１に開示されたシステムを用いても、顧客の購買意欲がどの程度であるのかは、店員の判断に委ねられており、購買意欲の高い顧客を特定することは困難である。

また、特許文献２に開示されたシステムは、店員の端末に、商品を顧客に推奨する理由を送信する。しかしながら、特許文献２に開示されたシステムは、店員の端末に、顧客の購買意欲の程度も送信するわけではないので、このシステムを用いても、購買意欲の高い顧客を特定することは困難である。

また、特許文献３に開示されたシステムは、顧客の行動の分析する機能を備えている。しかしながら、購買意欲の高い顧客を特定するためには、分析者が、分析結果から顧客の購買意欲を判断する必要がある。つまり、特許文献３に開示されたシステムを用いても、購買意欲の高い顧客を特定することは困難である。

本発明の目的の一例は、上記問題を解消し、購買意欲の高い顧客を特定して店舗における接客効率の向上を図り得る、接客支援装置、接客支援方法、及びプログラムを提供することにある。

上記目的を達成するため、本発明の一側面における接客支援装置は、
店舗の内部の映像を取得する、映像取得部と、
取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、軌跡取得部と、
顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、購買行動推定部と、
推定された前記確率を前記店舗の店員が使用する端末装置に送信する、送信部と、
を備えていることを特徴とする。

また、上記目的を達成するため、本発明の一側面における接客支援方法は、
（ａ）店舗の内部の映像を取得する、ステップと、
（ｂ）取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、ステップと、
（ｃ）顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、ステップと、
（ｄ）推定された前記確率を前記店舗の店員が使用する端末装置に送信する、ステップと、
を有することを特徴とする。

更に、上記目的を達成するため、本発明の一側面におけるプログラムは、
コンピュータに、
（ａ）店舗の内部の映像を取得する、ステップと、
（ｂ）取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、ステップと、
（ｃ）顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、ステップと、
（ｄ）推定された前記確率を前記店舗の店員が使用する端末装置に送信する、ステップと、
を実行させる、ことを特徴とする。

以上のように、本発明によれば、購買意欲の高い顧客を特定して店舗における接客効率の向上を図ることができる。

図１は、本発明の実施の形態における接客支援装置の概略構成を示すブロック図である。 図２は、本発明の実施の形態における接客支援装置の構成を具体的に示すブロック図である。 図３は、本発明の実施の形態において接客が行われる店舗のレイアウトの一例を示すレイアウト図である。 図４は、本発明の実施の形態で行われる軌跡の取得処理を説明するための図である。 図５は、本発明の実施の形態で取得された軌跡データの一例を示す図である。 図６は、本発明の実施の形態で用いられる学習データの一例を示す図である。 図７は、本発明の実施の形態における接客支援装置による支援を受けて接客を行う店員の様子を示す説明図である。 図８は、本発明の実施の形態における接客支援装置の動作を示すフロー図である。 図９は、本発明の実施の形態における接客支援装置を実現するコンピュータの一例を示すブロック図である。

（実施の形態）
以下、本発明の実施の形態における、接客支援装置、接客支援方法、及びプログラムについて、図１〜図９を参照しながら説明する。

［装置構成］
最初に、図１を用いて、本実施の形態における接客支援装置の概略構成について説明する。図１は、本発明の実施の形態における接客支援装置の概略構成を示すブロック図である。

図１に示す、本実施の形態における接客支援装置１０は、店舗における店員の接客を支援するための装置である。図１に示すように、本実施の形態における接客支援装置１０は、映像取得部１１と、軌跡取得部１２と、購買行動推定部１３と、送信部１４とを備えている。

映像取得部１１は、店舗の内部の映像を取得する。軌跡取得部１２は、映像取得部１１によって取得された映像から、店舗にいる顧客の移動の軌跡を取得する。購買行動推定部１３は、顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、軌跡取得部１２によって取得された軌跡を適用して、顧客が購買行動を起こす可能性の度合い（確率）を推定する。送信部１４は、購買行動推定部１３によって推定された確率を、店舗の店員が使用する端末装置に送信する。

このように、本実施の形態では、店舗での顧客の移動軌跡から、顧客が商品を買う可能性が数値で推定され、推定結果が店員に通知される。このため、本実施の形態によれば、店員は、購買意欲の高い顧客を簡単に特定できるので、店舗における接客効率の向上が図られることになる。

続いて、図２〜図７を用いて、本実施の形態における接客支援装置１０の構成についてより具体的に説明する。図２は、本発明の実施の形態における接客支援装置の構成を具体的に示すブロック図である。図３は、本発明の実施の形態において接客が行われる店舗のレイアウトの一例を示すレイアウト図である。

図４は、本発明の実施の形態で行われる軌跡の取得処理を説明するための図である。図５は、本発明の実施の形態で取得された軌跡データの一例を示す図である。図６は、本発明の実施の形態で用いられる学習データの一例を示す図である。図７は、本発明の実施の形態における接客支援装置による支援を受けて接客を行う店員の様子を示す説明図である。

まず、図２及び図３に示すように、店舗５０の内部には、複数台のカメラ２０が設置されている。各カメラ２０は、店舗５０の内部の対応する領域を撮影し、撮影した領域における映像データを出力する。

また、図２に示すように、本実施の形態では、接客支援装置１０は、複数台のカメラ２０それぞれに接続されており、映像取得部１１は、複数台のカメラ２０それぞれから出力された映像データを取得する。また、接客支援装置１０は、ネットワーク４０を介して、店舗５０の店員３１が使用する端末装置３０に、データ通信可能に接続されている。

更に、図２に示すように、本実施の形態では、接客支援装置１０は、上述した映像取得部１１、軌跡取得部１２、購買行動推定部１３、及び送信部１４に加えて、位置特定部１５と、予測モデル生成部１６と、予測モデル格納部１７とを備えている。

軌跡取得部１２は、本実施の形態では、いずれかのカメラ２０で取得された映像データに顧客２１が映ると、その顧客２１の特徴量を抽出し、抽出した特徴量に基づいて、顧客２１を追跡する。このとき、あるカメラの映像データから顧客がフレームアウトすると、軌跡取得部１２は、別のカメラの映像データから特徴量を検出し、顧客２１の追跡を続行する。軌跡取得部１２による追跡の結果は、図３に示す通りとなる。図３において、２２は、顧客２１の移動の軌跡を示している。

そして、軌跡取得部１２は、予め登録されているカメラの設置位置、撮影方向、画面内での顧客２１の位置から、追跡している顧客２１の店舗５０での位置を特定し、特定した顧客２１の位置を時系列に沿って記録する。具体的には、図４に示すように、店舗５０には、予め座標軸（Ｘ軸及びＹ軸）が設定されている。従って、軌跡取得部１２は、図５に示すように、設定間隔毎に、各顧客２１の座標を特定し、特定した座標（Ｘ，Ｙ）を時系列に沿って記録する。この記録されたデータは、顧客２１の移動の軌跡を特定する軌跡データとなる。

予測モデル生成部１６は、学習データとして顧客の移動の軌跡及び関連する購買の結果を用いて、機械学習を行うことによって、予測モデルを生成する。また、予測モデル生成部１６は、顧客の移動の軌跡に加えて、購買の結果に影響し得る他の要因を機械学習に用いることもできる。生成された予測モデルは、予測モデル格納部１７に格納される。

具体的には、学習データとしては、過去に取得されたデータ、実験的に作成されたデータが用いられる。図６の例では、学習データは、過去に取得されたデータであり、例えば、顧客毎の性別、購買結果、対象商品ＩＤ、及び軌跡で構成されている。また、軌跡は、時系列に沿って記録された、顧客の店舗での座標で構成されている。更に、学習データには、図６に示されていない情報、例えば、顧客の個人情報等が含まれていても良い。

また、予測モデル生成部１６は、例えば、学習データにおける各行の軌跡から特徴量を抽出し、抽出した特徴量と、性別と、購買結果と、対象商品ＩＤとを、機械学習エンジンに入力して機械学習を実行する。あるいは、予測モデル生成部１６は、学習データにおける軌跡等と購買結果とに基づいて機械学習を実行してもよい。機械学習エンジンとしては、既存の機械学習エンジンを用いることができる。このような機械学習によって生成された予測モデルは、統計モデルであり、これに、軌跡データが入力されると、顧客２１が商品を購入する確率が出力される。

また、図４及び図５の例では、軌跡は、座標によって特定されているが、本実施の形態は、この例に限定されるものではない。例えば、店舗を複数のエリアに区切り、顧客が各エリアに存在していた時間又は回数を記録することによって、軌跡データが生成されていても良い。

また、位置特定部１５は、まず、店舗５０の店員３１が使用する端末装置３０から、その位置を特定する位置情報を取得し、取得した位置情報から、店員３１の位置を特定する。具体的には、端末装置３０は、ＧＰＳ受信機を備えている場合は、受信したＧＰＳ信号に基づいて位置情報を作成する。また、端末装置３０は、店舗５０の無線ＬＡＮに接続されている場合は、接続している無線ＬＡＮのアクセスポイントの位置に基づいて位置情報を作成する。位置特定部１５は、端末装置３０から、このようにして作成された位置情報を取得して、この端末装置３０を所持している店員３１の位置を特定する。

また、位置特定部１５は、カメラ２０で取得された映像データから、店員３１の位置を特定することもできる。具体的には、位置特定部１５は、映像データから抽出された特徴量と、予め用意されている店員３１を示す特徴量とを比較することで、店員３１の検出及び追跡を行う。そして、位置特定部１５は、予め登録されているカメラの設置位置、撮影方向、画面内での店員３１の位置から、追跡している店員３１の店舗５０での位置を特定する。

また、位置特定部１５は、軌跡取得部１２によって取得された顧客２１の軌跡から、顧客２１の位置を特定する。更に、位置特定部１５は、特定した店員３１の位置と顧客２１の位置とを購買行動推定部１３に通知する。

購買行動推定部１３は、本実施の形態では、顧客２１の位置と店員３１の位置との関係が設定条件を満たす場合に、設定条件を満たす顧客２１について購買行動を起こす確率を推定する。設定条件としては、顧客２１と店員３１との距離が閾値以下になることが挙げられる。また、購買行動推定部１３は、軌跡取得部１２によって取得された軌跡データを用いて、顧客２１が店員３１に一定距離まで接近した回数を計測し、計測した回数が閾値以上であることを設定条件として、顧客２１について購買行動を起こす可能性を推定しても良い。

また、購買行動推定部１３は、本実施の形態では、予測モデル格納部１７に格納されている予測モデルに、軌跡取得部１２によって取得された軌跡データを適用することによって、対象となる顧客が購買行動を起こす確率を推定する。更に、購買行動推定部１３は、店舗５０に複数の顧客２１がいる場合は、各顧客２１について確率を推定する。

送信部１４は、購買行動推定部１３によって推定された確率を、店舗５０の店員３１が使用する端末装置３０に送信する。これにより、図７に示すように、店舗５０の店員３１は、端末装置３０の画面上で、顧客２１が購買行動を起こす確率を確認することができる。

また、送信部１４は、本実施の形態では、確率の推定された顧客２１が複数存在する場合に、確率が最も高い顧客２１を特定する。そして、送信部１４は、特定した顧客２１の情報と推定した確率とを、店舗５０の店員３１が使用する端末装置３０に送信する。これにより、店員３１は、効率良く接客を行うことができる。

［装置動作］
次に、本実施の形態における接客支援装置１０の動作について図８を用いて説明する。図８は、本発明の実施の形態における接客支援装置の動作を示すフロー図である。以下の説明においては、適宜図１〜図７を参酌する。また、本実施の形態では、接客支援装置１０を動作させることによって、接客支援方法が実施される。よって、本実施の形態における接客支援方法の説明は、以下の接客支援装置１０の動作説明に代える。

まず、前提として、予測モデル生成部１６が、学習データを用いて機械学習を行うことによって、予測モデルを生成する。そして、予測モデル生成部１６は、生成した予測モデルを予測モデル格納部１７に格納する。

図８に示すように、最初に、映像取得部１１は、各カメラ２０から映像を取得する（ステップＡ１）。具体的には、ステップＡ１では、映像取得部１１は、各カメラ２０から、設定時間分の映像データを構成するフレームを取得する。

次に、軌跡取得部１２は、ステップＡ１で取得された映像から、店舗５０にいる顧客２１の移動の軌跡を取得する（ステップＡ２）。具体的には、軌跡取得部１２は、各カメラ２０で取得された映像を用いて、顧客２１を追跡して、その位置を時系列に沿って記録する。これにより、軌跡データ（図５参照）が作成される。

次に、位置特定部１５は、店舗５０の内部にいる顧客２１の位置と店員３１の位置とを特定する（ステップＡ３）。具体的には、ステップＡ３では、位置特定部１５は、端末装置３０から取得した位置情報から、店員３１の位置を特定する。また、位置特定部１５は、ステップＡ２で取得された顧客２１の軌跡から顧客２１の位置を特定する。

次に、購買行動推定部１３は、ステップＡ３で特定された顧客２１の位置と店員３１の位置との関係が設定条件を満たしているかどうかを判定する（ステップＡ４）。具体的には、ステップＡ４では、購買行動推定部１３は、例えば、顧客２１と店員３１との距離が閾値以下になっているかどうかを判定する。

ステップＡ４の判定の結果、設定条件が満たされていない場合は、映像取得部１１によって再度ステップＡ１が実行される。一方、ステップＡ４の判定の結果、設定条件が満たされている場合は、購買行動推定部１３は、設定条件を満たしている顧客２１の軌跡を予測モデルに適用して、この顧客２１が購買行動を起こす確率を推定する（ステップＡ５）。

次に、送信部１４は、ステップＡ５で推定された確率を、店舗５０の店員３１が使用する端末装置３０に送信する（ステップＡ６）。また、ステップＡ５において確率の推定された顧客２１が複数存在する場合は、送信部１４は、確率が最も高い顧客２１を特定する。そして、送信部１４は、特定した顧客２１の情報と推定した確率とを、店員３１が使用する端末装置３０に送信する。

ステップＡ６の実行により、図７に示すように、店員３１は、端末装置３０の画面上で顧客２１が購買行動を起こす確率を確認することができる。また、ステップＡ６の実行後、設定時間が経過すると、再度、ステップＡ１が実行される。

［実施の形態における効果］
このように、本実施の形態では、店員３１は、端末装置３０の画面上で、目の前の顧客２１が商品を購入する確率を確認することができる。また、顧客２１が複数存在する場合は、購入する確率が高い顧客を一目で判断できる。このため、本実施の形態によれば、店員は、購買意欲の高い顧客を簡単に特定できるので、店舗における接客効率の向上が図られることになる。

［プログラム］
本実施の形態におけるプログラムは、コンピュータに、図８に示すステップＡ１〜Ａ６を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における接客支援装置１０と接客支援方法とを実現することができる。この場合、コンピュータのプロセッサは、映像取得部１１、軌跡取得部１２、購買行動推定部１３、送信部１４、位置特定部１５、及び予測モデル生成部１６として機能し、処理を行なう。

また、本実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、各コンピュータが、それぞれ映像取得部１１、軌跡取得部１２、購買行動推定部１３、送信部１４、位置特定部１５、及び予測モデル生成部１６のいずれかとして機能しても良い。

（物理構成）
ここで、本実施の形態におけるプログラムを実行することによって、接客支援装置を実現するコンピュータについて図９を用いて説明する。図９は、本発明の実施の形態における接客支援装置を実現するコンピュータの一例を示すブロック図である。

図１０に示すように、コンピュータ１１０は、ＣＰＵ（Central Processing Unit）１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。なお、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていても良い。

ＣＰＵ１１１は、記憶装置１１３に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであっても良い。

また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。

データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。

また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記録媒体、又はＣＤ−ＲＯＭ（Compact Disk Read Only Memory）などの光学記録媒体が挙げられる。

なお、本実施の形態における接客支援装置は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェアを用いることによっても実現可能である。更に、接客支援装置は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。

上述した実施の形態の一部又は全部は、以下に記載する（付記１）〜（付記１２）によって表現することができるが、以下の記載に限定されるものではない。

（付記１）
店舗の内部の映像を取得する、映像取得部と、
取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、軌跡取得部と、
顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、購買行動推定部と、
推定された前記確率を前記店舗の店員が使用する端末装置に送信する、送信部と、
を備えていることを特徴とする接客支援装置。

（付記２）
学習データとして顧客の移動の軌跡及び関連する購買の結果を用いて、機械学習を行うことによって、前記予測モデルを生成する、予測モデル生成部を備えている、
付記１に記載の接客支援装置。

（付記３）
前記送信部は、前記確率の推定された前記顧客が複数存在する場合に、前記確率が最も高い顧客を特定し、特定した前記顧客の情報を、更に、前記店舗の店員が使用する端末装置に送信する、
付記１または２に記載の接客支援装置。

（付記４）
前記店舗の店員が使用する端末装置の位置を特定する位置情報から、前記店員の位置を特定し、更に、取得された前記軌跡から前記顧客の位置を特定する、位置特定部を更に備え、
前記購買行動推定部は、特定された各位置に基づいて、前記顧客と前記店員との位置関係を求め、求めた位置関係が設定条件を満たす前記顧客について、前記顧客が購買行動を起こす確率を推定する、
付記１〜３のいずれかに記載の接客支援装置。

（付記５）
（ａ）店舗の内部の映像を取得する、ステップと、
（ｂ）取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、ステップと、
（ｃ）顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、ステップと、
（ｄ）推定された前記確率を前記店舗の店員が使用する端末装置に送信する、ステップと、
を有することを特徴とする接客支援方法。

（付記６）
（ｅ）学習データとして顧客の移動の軌跡及び関連する購買の結果を用いて、機械学習を行うことによって、前記予測モデルを生成する、ステップを更に有する、
付記５に記載の接客支援方法。

（付記７）
前記（ｄ）のステップにおいて、前記確率の推定された前記顧客が複数存在する場合に、前記確率が最も高い顧客を特定し、特定した前記顧客の情報を、更に、前記店舗の店員が使用する端末装置に送信する、
付記５または６に記載の接客支援方法。

（付記８）
（ｆ）前記店舗の店員が使用する端末装置の位置を特定する位置情報から、前記店員の位置を特定し、更に、取得された前記軌跡から前記顧客の位置を特定する、ステップを更に有し、
前記（ｃ）のステップにおいて、特定された各位置に基づいて、前記顧客と前記店員との位置関係を求め、求めた位置関係が設定条件を満たす前記顧客について、前記顧客が購買行動を起こす確率を推定する、
付記５〜７のいずれかに記載の接客支援方法。

（付記９）
コンピュータに、
（ａ）店舗の内部の映像を取得する、ステップと、
（ｂ）取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、ステップと、
（ｃ）顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、ステップと、
（ｄ）推定された前記確率を前記店舗の店員が使用する端末装置に送信する、ステップと、
を実行させる、プログラム。

（付記１０）
前記コンピュータに、
（ｅ）学習データとして顧客の移動の軌跡及び関連する購買の結果を用いて、機械学習を行うことによって、前記予測モデルを生成する、ステップを実行させる命令を更に含む、
付記９に記載のプログラム。

（付記１１）
前記（ｄ）のステップにおいて、前記確率の推定された前記顧客が複数存在する場合に、前記確率が最も高い顧客を特定し、特定した前記顧客の情報を、更に、前記店舗の店員が使用する端末装置に送信する、
付記９または１０に記載のプログラム。

（付記１２）
前記コンピュータに、
（ｆ）前記店舗の店員が使用する端末装置の位置を特定する位置情報から、前記店員の位置を特定し、更に、取得された前記軌跡から前記顧客の位置を特定する、ステップを更に実行させ、
前記（ｃ）のステップにおいて、特定された各位置に基づいて、前記顧客と前記店員との位置関係を求め、求めた位置関係が設定条件を満たす前記顧客について、前記顧客が購買行動を起こす確率を推定する、
付記９〜１１のいずれかに記載のプログラム。

以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２０１７年１１月７日に出願された日本出願特願２０１７−２１５０５８を基礎とする優先権を主張し、その開示の全てをここに取り込む。

以上のように、本発明によれば、購買意欲の高い顧客を特定して店舗における接客効率の向上を図ることができる。本発明は、店員による接客が必要な用途であれば特に限定なく有用である。

１０ 接客支援装置
１１ 映像取得部
１２ 軌跡取得部
１３ 購買行動推定部
１４ 送信部
１５ 位置特定部
１６ 予測モデル生成部
１７ 予測モデル格納部
２０ カメラ
２１ 顧客
２２ 軌跡
３０ 端末装置
３１ 店員
４０ ネットワーク
５０ 店舗
１１０ コンピュータ
１１１ ＣＰＵ
１１２ メインメモリ
１１３ 記憶装置
１１４ 入力インターフェイス
１１５ 表示コントローラ
１１６ データリーダ／ライタ
１１７ 通信インターフェイス
１１８ 入力機器
１１９ ディスプレイ装置
１２０ 記録媒体
１２１ バス

Claims (12)

1. 店舗の内部の映像を取得する、映像取得部と、
   取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、軌跡取得部と、
   顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、購買行動推定部と、
   推定された前記確率を前記店舗の店員が使用する端末装置に送信する、送信部と、
   を備えていることを特徴とする接客支援装置。
2. 学習データとして顧客の移動の軌跡及び関連する購買の結果を用いて、機械学習を行うことによって、前記予測モデルを生成する、予測モデル生成部を備えている、
   請求項１に記載の接客支援装置。
3. 前記送信部は、前記確率の推定された前記顧客が複数存在する場合に、前記確率が最も高い顧客を特定し、特定した前記顧客の情報を、更に、前記店舗の店員が使用する端末装置に送信する、
   請求項１または２に記載の接客支援装置。
4. 前記店舗の店員が使用する端末装置の位置を特定する位置情報から、前記店員の位置を特定し、更に、取得された前記軌跡から前記顧客の位置を特定する、位置特定部を更に備え、
   前記購買行動推定部は、特定された各位置に基づいて、前記顧客と前記店員との位置関係を求め、求めた位置関係が設定条件を満たす前記顧客について、前記顧客が購買行動を起こす確率を推定する、
   請求項１〜３のいずれかに記載の接客支援装置。
5. （ａ）店舗の内部の映像を取得する、ステップと、
   （ｂ）取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、ステップと、
   （ｃ）顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、ステップと、
   （ｄ）推定された前記確率を前記店舗の店員が使用する端末装置に送信する、ステップと、
   を有することを特徴とする接客支援方法。
6. （ｅ）学習データとして顧客の移動の軌跡及び関連する購買の結果を用いて、機械学習を行うことによって、前記予測モデルを生成する、ステップを更に有する、
   請求項５に記載の接客支援方法。
7. 前記（ｄ）のステップにおいて、前記確率の推定された前記顧客が複数存在する場合に、前記確率が最も高い顧客を特定し、特定した前記顧客の情報を、更に、前記店舗の店員が使用する端末装置に送信する、
   請求項５または６に記載の接客支援方法。
8. （ｆ）前記店舗の店員が使用する端末装置の位置を特定する位置情報から、前記店員の位置を特定し、更に、取得された前記軌跡から前記顧客の位置を特定する、ステップを更に有し、
   前記（ｃ）のステップにおいて、特定された各位置に基づいて、前記顧客と前記店員との位置関係を求め、求めた位置関係が設定条件を満たす前記顧客について、前記顧客が購買行動を起こす確率を推定する、
   請求項５〜７のいずれかに記載の接客支援方法。
9. コンピュータに、
   （ａ）店舗の内部の映像を取得する、ステップと、
   （ｂ）取得された前記映像から、前記店舗にいる顧客の移動の軌跡を取得する、ステップと、
   （ｃ）顧客の移動の軌跡から購買行動の結果を予測する予測モデルに、取得された前記軌跡を適用して、前記顧客が購買行動を起こす確率を推定する、ステップと、
   （ｄ）推定された前記確率を前記店舗の店員が使用する端末装置に送信する、ステップと、
   を実行させる、プログラム。
10. 前記コンピュータに、
    （ｅ）学習データとして顧客の移動の軌跡及び関連する購買の結果を用いて、機械学習を行うことによって、前記予測モデルを生成する、ステップを更に実行させる、
    請求項９に記載のプログラム。
11. 前記（ｄ）のステップにおいて、前記確率の推定された前記顧客が複数存在する場合に、前記確率が最も高い顧客を特定し、特定した前記顧客の情報を、更に、前記店舗の店員が使用する端末装置に送信する、
    請求項９または１０に記載のプログラム。
12. 前記コンピュータに、
    （ｆ）前記店舗の店員が使用する端末装置の位置を特定する位置情報から、前記店員の位置を特定し、更に、取得された前記軌跡から前記顧客の位置を特定する、ステップを更に実行させる、
    前記（ｃ）のステップにおいて、特定された各位置に基づいて、前記顧客と前記店員との位置関係を求め、求めた位置関係が設定条件を満たす前記顧客について、前記顧客が購買行動を起こす確率を推定する、
    請求項９〜１１のいずれかに記載のプログラム。

Images