信息处理装置、信息处理方法、程序以及存储介质与流程

本发明涉及信息处理装置、信息处理方法、程序以及存储介质，特别涉及向用户发送信息的技术。

背景技术：

公知有如下的技术：根据用户在网络上的行为来向用户提供被认为是有益的信息。例如，进行如下的动作等：根据用户的阅览履历而提示引起该用户的兴趣那样的商品页面，或从各种广告中选择并提示与用户的购买履历对应的广告。

并且，应用这些技术，公开了如下的技术：不仅进行互联网上的信息提示，而且在实际的店铺(实际店铺)中也根据用户的行为来进行被认为是有益的信息的提示。

例如，在专利文献1中，公开了如下的技术：根据用户的文件信息和购买履历信息，提供建议在实际店铺中的商品购买的信息。

现有技术文献

专利文献

专利文献1：日本特开2015-14887号公报

技术实现要素：

发明要解决的课题

但是，在专利文献1所公开的技术中，虽然发送与用户来到的店铺相关的推荐信息，但这并不限于在适当的时机进行。

本发明是鉴于这样的情况而完成的，其目的在于，在能够估计为用户在来到的店铺中没有达到目的的情况下，提供有益的信息。

用于解决课题的手段

本发明的信息处理装置，其具有：检测部，其对用户从店铺退店的情况进行检测；以及推荐部，其向检测出退店的用户发送基于所述店铺的信息的推荐信息。

由此，在将作为推荐信息的发送对象的用户缩小到检测出退店的用户之后，进行推荐信息的发送。

也可以为，上述信息处理装置的所述检测部对用户在所述店铺中进行购买行为的情况进行检测。

根据用户是否进行了购买行为，进行推荐信息的需要与否和筛选。

也可以为，在检测出退店的店铺中未检测出购买行为的情况下，上述信息处理装置的所述推荐部发送与检测出退店的店铺相关的信息作为所述推荐信息。

用户来到的店铺是符合用户的兴趣爱好的店铺的可能性高。将关于这样的店铺的推荐信息发送给用户。

也可以为，在检测出退店的店铺中未检测出购买行为的情况下，上述信息处理装置的所述推荐部发送与检测出退店的店铺不同的代替店铺相关的信息作为所述推荐信息。

在尽管来店但未检测出购买行为的店铺中，用户没有达到目的的可能性高。将成为这样的店铺的代替的店铺提示给用户。

也可以为，上述信息处理装置的所述推荐部在所述代替店铺不能利用的情况下不进行与该代替店铺相关的所述推荐信息的发送。

推荐不能利用的店铺有可能对接收到通知的用户不利。

也可以为，在提取出多个代替店铺的情况下，上述信息处理装置的所述推荐部将多次检测出购买行为的店铺作为所述推荐信息进行发送。

多次检测出购买行为的店铺对于多数用户来说是适当的店铺的可能性高。将这样的店铺作为代替店铺推荐给未检测出购买行为的用户。

也可以为，上述信息处理装置的所述推荐部使用用户发生了行为的时间信息来进行所述推荐信息的发送。

即，考虑到检测出用户来到店铺的时间和检测出其他用户在代替店铺中的购买行为的时间，发送作为推荐信息的代替店铺。

也可以为，上述信息处理装置的所述推荐部使用与作为发送对象的用户的位置相关的气象信息来进行所述推荐信息的发送。

例如，在作为推荐信息发送的代替店铺混杂而有可能产生等待时间的情况下，能够考虑是否能够在适当的状态下度过等待时间来进行代替店铺的选择和提示。

也可以为，上述信息处理装置的所述检测部通过从检测出用户位于规定区域内的状态变化为未检测出的状态来检测退店的情况。

由此，使用检测来店的方法进行退店的检测。

也可以为，上述信息处理装置的所述检测部使用近距离无线通信来检测从店铺退店的情况。

由此，不需要为了检测从店铺的退店而在用户所携带的用户终端上启动例如gps功能等。

本发明的信息处理方法由信息处理装置执行，具有如下步骤：检测步骤，对用户从店铺退店的情况进行检测；以及推荐步骤，向检测出退店的用户发送基于所述店铺的信息的推荐信息。

通过该信息处理方法，在能够估计为用户在来到的店铺中没有达到目的的情况下，能够提供有益的信息。

本发明的程序是使信息处理装置执行与上述各步骤相当的步骤的程序。本发明的存储介质是存储有上述程序的介质。通过这些，实现上述的信息处理装置的处理。

发明效果

根据本发明，在能够估计为用户在来到的店铺中没有达到目的的情况下，能够提供有益的信息。

附图说明

图1是包含本发明的实施方式的推荐服务器的网络的说明图。

图2是实施方式的推荐服务器的功能结构的说明图。

图3是示出履历db的一例的图。

图4是能够在实施方式中使用的计算机装置的框图。

图5是与第1实施方式相关的流程图。

图6是第1实施方式的推荐信息提取处理的流程图。

图7是第1实施方式的推荐信息选择处理的流程图。

图8是与第2实施方式相关的流程图。

图9是第2实施方式的推荐信息提取处理的流程图。

图10是第2实施方式的推荐信息选择处理的流程图。

图11是推荐信息提取处理的另一例的流程图。

图12是推荐信息选择处理的另一例的流程图。

图13是推荐信息提取处理的另一例2的流程图。

具体实施方式

以下，按照以下的顺序说明实施方式。

＜1.系统结构＞

＜2.各处理例＞

＜2-1.第1实施方式＞

＜2-2.第2实施方式＞

＜2-3.推荐信息提取处理的另一例＞

＜2-4.推荐信息选择处理的另一例＞

＜2-5.推荐信息提取处理的另一例2＞

＜3.变形例＞

＜4.总结＞

＜5.程序和存储介质＞

＜1.系统结构＞

图1示出包含实施方式的推荐服务器1的网络系统的结构例。

在本实施方式的网络系统中，将用于向用户(会员)提供推荐信息的推荐服务器1与用户所持有的用户终端2通过通信网络3连接。推荐服务器1向用户提供的推荐信息是与店铺200相关的信息。具体而言，是店铺200所处理的商品的信息或店铺200本身的信息等。

图1示出作为店铺200的一例的店铺200a。在店铺200a中设置有信用卡终端4、电子货币终端5以及积分卡终端6，各终端与通信网络3连接。

另外，分别与信用卡终端4、电子货币终端5以及积分卡终端6对应地，将信用卡系统7、电子货币系统8以及积分卡系统9与通信网络3连接。

信用卡终端4是用于确认用户在购买商品时使用的信用卡的有效性的终端。由信用卡终端4读入的信用卡的信息经由通信网络3发送到信用卡系统7。在信用卡系统7中，确认信用卡的有效性，并将其结果发送到信用卡终端4。

在信用卡系统7中，除此之外，还进行信用卡的使用者信息的管理、向店铺支付商品价款、向用户请求使用费用等各种处理。

电子货币终端5是用于将电子货币用于商品购买的终端，从充值了电子货币的卡中读取信息而进行结算。由电子货币终端5读取的信息被发送到电子货币系统8。电子货币系统8根据电子货币的使用而进行充值额的减法处理，从而进行向店铺的支付处理。

除此之外，电子货币系统8还进行与使用者和电子货币卡相关的信息的管理、基于电子货币的充值的充值额的加法处理等。

积分卡终端6是用于读取积分卡的终端，该积分卡用于通过购买商品等给予积分、通过购买商品和享受优惠等使用积分等。由积分卡终端6读取的积分卡的信息经由通信网络3发送到积分卡系统9。积分卡系统9与积分的使用对应的积分数的减法处理，进行向店铺支付与所使用的积分数对应的金额的支付处理。

除此之外，积分卡系统9进行积分卡的使用者信息的管理、积分数的管理、能够使用积分卡的店铺信息的管理等。

在店铺200a中设置有近距离无线发送器。作为近距离无线通信发送器的一例，在以下的说明中使用信标发送器10。

信标发送器10是为了掌握位于附近的信息处理终端等而设置的，例如通过搭载于内部的电池以一定间隔(几百ms间隔等)进行信息发送。信标发送器10的电波到达距离例如为几m～几十m。因此，至少能够检测用户来到店铺200a的情况。

另外，在店铺200a的占地面积较大的情况下，可以设置电波到达距离较长的信标发送器10，或者也可以设置多个信标发送器10、10、…。

另外，在图1中，示出了在店铺200a中分别各设置有一个信用卡终端4、电子货币终端5以及积分卡终端6的状态，但这是一例，也可以设置多个信用卡终端4、4、…、多个电子货币终端5、5、…以及多个积分卡终端6、6、…。另外，不需要设置所有种类的终端，例如可以不设置信用卡终端4，也可以不设置电子货币终端5，还可以不设置积分卡终端6。

通信网络3的结构可以设想为各种各样的例子。例如，可以设想为互联网、内联网、外联网、lan(localareanetwork：局域网)、catv(communityantennatelevision：公用天线电视)通信网、虚拟专用网(virtualprivatenetwork)、电话线路网、移动通信网以及卫星通信网等。

另外，构成通信网络3的全部或一部分的传送介质也可以设想为各种各样的例子。例如能够使用ieee(instituteofelectricalandelectronicsengineers：电气与电子工程师学会)1394、usb(universalserialbus：通用串行总线)、电力线传输以及电话线等有线，也能够使用irda(infrareddataassociation：红外数据协会)那样的红外线、蓝牙(注册商标)、802.11无线、便携电话网、卫星线路以及地面波数字网等无线。

用户终端2能够接收从信标发送器10发送的信息(信标信号)。另外，在用户终端2中安装有软件，具有将从信标发送器10接收到的信标信号经由通信网络3发送给推荐服务器1的功能。

用户终端2是能够携带的比较小型的信息处理终端，例如，可以设想为具有通信功能的小型pc(personalcomputer：个人计算机)、功能手机、pda(personaldigitalassistant：个人数字助理)或者智能手机和平板终端等智能设备等。

用户终端2接收来自推荐服务器1的推荐信息。

推荐服务器1是从用户终端2接收位置信息，并根据需要向该用户终端2发送推荐信息的pc等信息处理终端。

因此，推荐服务器1具有检测部1a、蓄积部1b、推荐部1c以及相似判定部1d(参照图2)。

检测部1a检测用户接近(来到)店铺200a等店铺的情况。接近店铺的状态的检测例如通过将用户终端2接收到的信标信号(或者接收到信标信号)发送给推荐服务器1来进行。

另外，通过连续地进行接近状态的检测，能够检测向店铺的来店和退店。例如，通过从未检测出向店铺200a的接近状态的状态变化为检测出的状态，检测用户来到店铺200a的情况。另外，通过从检测出向店铺200a的接近状态的状态变化为未检测出的状态，检测用户从店铺200a退店的情况。即，通过检测用户从位于规定区域内的状态到不位于规定区域内的状态，进行退店检测。

对于检测向店铺200a的来店和退店，也可以不使用信标发送器10。例如，能够通过用户所携带的用户终端2定期地向推荐服务器1发送基于gps(globalpositioningsystem：全球定位系统)的位置信息来实现。检测部1a通过对接收到的位置信息和店铺200a的位置信息进行比较来掌握店铺200a与用户的位置关系，从而能够判定用户是否来到店铺200a。另外，通过捕捉位置信息的变化，能够掌握用户来到店铺200a或离开店铺200a的情况。

检测部1a对用户在店铺200a中进行商品购买等行为(购买行为)进行检测。购买行为的检测通过从信用卡系统7、电子货币系统8以及积分卡系统9中取得购买信息来进行。

另外，也可以通过用户自身输入信息来进行购买行为的检测。例如，也可以通过取得用户进行的商品评论的投稿等来进行购买行为的检测。

另外，也可以为，在店铺200a中设置多个信标发送器10、10、…，通过对用户终端2从各信标发送器10、10、…接收的信标信号的信号强度进行检测来检测店铺200a内的用户终端2的位置。在该情况下，如果存在用户终端2位于收银机附近的迹象，则可以估计为存在购买行为。如果是该方法，则在购买行为的检测中也可以不从信用卡系统7、电子货币系统8以及积分卡系统9中取得信息，因此能够通过简单的处理来实现。并且，将未向收银机附近移动而退店的用户作为没有可靠地进行购买行为的用户，能够发送后述的推荐信息。即，能够通过简单的系统结构和处理步骤向没有进行购买行为的用户提供有益的信息。

蓄积部1b进行蓄积用户的行为履历信息的处理。具体而言，检测用户来到店铺200a的情况并存储来店履历信息。另外，检测用户从店铺200a退店的情况并存储退店履历信息。并且，检测用户进行购买行为的情况并存储购买行为履历信息。

在各个履历信息中相关联地管理检测出行为的时间信息。

推荐部1c向用户终端2发送推荐信息。在发送推荐信息时，大致分为执行推荐信息的提取处理、推荐信息的选择处理以及发送处理等。

在推荐信息的提取处理中，根据由检测部1a检测出用户来到店铺200a或从店铺200a退店的情况，进行推荐信息的提取处理。即，进行应向用户发送的推荐信息的提取。

推荐信息的选择处理是从提取处理中提取出的推荐信息中选择实际发送的信息的处理。

在发送处理中，进行向对象的用户终端2发送所选择的推荐信息的处理。

关于各处理的具体处理在后面进行叙述。

相似判定部1d进行用户间的相似度的判定或是否相似的判定。相似度或是否相似的判定例如根据每个用户的用户信息来进行，或者，根据具有用户的来店履历的店铺信息或具有购买行为履历的店铺信息来进行判定。

为了执行上述各种处理，推荐服务器1能够访问数据库。另外，以下将“数据库”记作“db(database)”。在图1和图2中，作为推荐服务器1能够访问的db，例示了用户db50、店铺db51以及履历db52。

用户db50存储与接收推荐服务器1提供的推荐信息的用户相关的信息。例如，将登录密码、姓名、年龄、性别、年收入、住址、邮件地址以及爱好等个人信息与能够确定一个用户的一个用户id(identification)相关联地进行存储。

此外，在本实施方式中，也可以存储用户的当前位置信息。当前位置信息可以从用户终端2接收用户终端2的gps信息，也可以从用户终端2接收从设置于店铺200的信标发送器10接收到的信标信号的信息。

店铺db51存储店铺200等实际店铺的信息。例如，将店铺名、gps信息或住址信息等位置信息、处理商品的商品id或能够确定处理商品组的商品类型信息(销售类型信息)、电话号码或邮件地址等联系方式信息等与能够唯一地识别各个店铺的店铺id相关联地进行存储。

履历db52存储用户的来店履历信息、退店履历信息以及购买行为履历信息。这些信息在用户来店时、退店时以及进行购买行为时被逐次存储。具体而言。如图3所示，按照时间序列存储各记录。各记录例如采用将日期时间信息、用户id、行为类别以及对象店铺的信息与能够唯一地确定记录的履历id相关联的结构。行为类别表示该记录是与用户来店有关的记录，还是与退店有关的记录，或者是与购买行为有关的记录。

另外，该结构只不过是一例，可以包含除此以外的信息，也可以不包含一部分信息。

另外，图3是从存储于履历db52的各记录中摘录了关于两个用户(u09921和u00764)的各种行为履历的一部分的图。即，摘录了表示如下履历的部分：用户a(u09921)来到店铺200a后什么也没买而退店，接着来到店铺200b后购买某种商品而退店；以及用户b(u00764)来到店铺200a后什么也没买而退店。

以上的各db(用户db50、店铺db51、履历db52)只要能够由推荐服务器1访问，则也可以以任意的方式实现。例如在与推荐服务器1相同的系统内的存储部中形成各db的全部，也可以将各db的一部分或全部分体而设置于远程地等的计算机系统。当然，不需要各db形成在一个装置(例如一个hdd等)内。另外，也不需要各个db分别构成为一个db。例如，存储在履历db52中的信息也可以由多个db(例如存储与来店和退店相关的履历信息的db和存储与购买行为相关的履历信息的db等)来进行存储管理。以上的各db只不过分别以一个db的方式例示了与实施方式的处理相关联的信息的存储部。

图4示出构成图1所示的推荐服务器1、用户终端2、信用卡系统7、电子货币系统8以及积分卡系统9等各系统的终端等信息处理装置的硬件结构。构成推荐服务器1、用户终端2、信用卡系统7、电子货币系统8以及积分卡系统9等各系统的终端通过能够进行信息处理和信息通信的图4所示那样的计算机装置来实现。

在图4中，计算机装置的cpu(centralprocessingunit：中央处理单元)101根据存储在rom(readonlymemory：只读存储器)102中的程序、或者从存储部108下载到ram(randomaccessmemory：随机存取存储器)103中的程序来执行各种处理。在ram103中还适当地存储有cpu101执行各种处理所需的数据等。

cpu101、rom102以及ram103经由总线104相互连接。输入输出接口105也与该总线104连接。

在输入输出接口105上连接有输入部106、输出部107、存储部108以及通信部109。

输入部106由键盘、鼠标以及触摸面板构成。

输出部107由lcd(liquidcrystaldisplay：液晶显示器)、crt(cathoderaytube：阴极射线管)、由有机el(electroluminescence：电致发光)面板等构成的显示器、以及扬声器等构成。

存储部108由hdd(harddiskdrive：硬盘驱动器)或闪存装置等构成。

通信部109进行经由通信网络3的通信处理或设备间通信。

在输入输出接口105上还根据需要连接有介质驱动器110，适当地安装磁盘、光盘、光磁盘或者半导体存储器等可移动介质111，进行对可移动介质111的信息的写入或读出。

在这样的计算机装置中，通过基于通信部109的通信来进行数据或程序的上传、下载。另外，能够进行经由可移动介质111的数据或程序的交接。

cpu101根据各种程序进行处理动作，由此对于构成推荐服务器1、用户终端2、信用卡系统7、电子货币系统8以及积分卡系统9等各系统的终端来说，执行必要的信息处理或通信。

另外，信息处理装置不限于由图4那样的计算机装置单一地构成，也可以将多个计算机装置系统化而构成，其中，该信息处理装置构成终端，该终端构成推荐服务器1、用户终端2、信用卡系统7、电子货币系统8以及积分卡系统9等各系统。多个计算机装置可以通过lan等系统化，也可以通过使用了互联网等的vpn等而配置于远程地。在多个信息处理装置中也可以包含作为能够由云计算服务使用的服务器组(云)的信息处理装置。

作为推荐服务器1的各功能是通过在信息处理装置中由cpu101根据程序执行的处理来实现的功能。但是，也可以通过硬件来实现以下说明的全部或一部分的各结构的处理。

另外，在通过软件实现各功能的情况下，不需要通过各自独立的程序来实现各功能。可以通过一个程序来执行多个功能的处理，也可以通过多个程序模块的协作来实现一个功能。

另外，也可以将各功能分散到多个信息处理装置。进而，也可以通过多个信息处理装置来实现功能之一。

＜2.各处理例＞

参照附图对推荐服务器1所执行的处理进行说明。

＜2-1.第1实施方式＞

在第1实施方式中，参照图5对以用户来到店铺200为契机而发送推荐信息的例子进行说明。在本例中，在用户访问某店铺的情况下，根据其他用户所采取的行为而提取作为代替的店铺，并提供该店铺作为推荐信息。

在步骤s101中，推荐服务器1判定是否接收到行为信息。行为信息是指与用户来到规定的店铺200的信息、从店铺200退店的信息以及在店铺200中进行的购买行为相关的信息。在接收到这样的行为信息之前，推荐服务器1在步骤s101中待机。

接收到行为信息的推荐服务器1在接下来的步骤s102中进行将行为信息存储在履历db52中的处理。由此，在履历db52中存储一个记录。

在步骤s103中，推荐服务器1判定所存储的行为信息的行为类别是否与来店相关。在行为信息是与来店相关的信息以外、即与退店相关的信息或与购买行为相关的信息的情况下，推荐服务器1转移到步骤s101的待机状态。

另一方面，在所存储的行为信息是与来店相关的信息的情况下，推荐服务器1进入步骤s104的处理。另外，在以下的各实施方式和各例中，对存储有用户b来到店铺200a的履历信息的情况进行叙述。即，对接下来根据在图3所示的履历db52中存储有履历id＝17052958915的记录而执行步骤s104和步骤s105的处理的情况进行叙述。

在步骤s104中，执行提取应提示给用户b的推荐信息的处理。接下来，在步骤s105中，推荐服务器1执行从提取出的推荐信息中选择一部分信息的选择处理。

参照图6和图7对推荐信息的提取处理和选择处理的一例进行说明。

在图6所示的推荐信息提取处理中，在步骤s201中，推荐服务器1提取来到第1店铺且未进行购买行为而退店的用户。这里，提取的用户也可以包含用户b，但基本上是用户b以外的其他用户。第1店铺是指作为推荐信息的发送对象的用户b来到的店铺，即店铺200a。这是为了接下来向来到店铺200a的用户b发送应提示的代替店铺的信息作为推荐信息。

具体而言，如图3的履历db52所示，提取包含来到店铺200a且未进行购买行为而退店的用户a的1个或多个用户(以下记载为“第1提取用户”)。

接下来，在步骤s202中，推荐服务器1进一步提取(筛选)来到第2店铺的用户。具体而言，进行从在步骤s201中提取出的第1提取用户中进一步缩小来到第2店铺的用户的处理。将在步骤s202中被进一步缩小的用户记载为“第2提取用户”。

第2店铺是指与第1店铺(即店铺200a)不同的其他店铺，可以是店铺200b，也可以是店铺200c。

另外，也可以缩小到在从作为第1店铺的店铺200a的退店时间起30分钟等规定时间以内访问了第2店铺的用户。这是因为，即使提取出在从第1店铺的退店起例如24小时后访问了第2店铺的用户，也难以判定为代替第1店铺而访问了第2店铺。即，这是因为，从第1店铺的退店至第2店铺的来店的经过时间越长，访问第2店铺作为第1店铺的代替店铺的可能性越低。

因此，通过缩小到在从第1店铺的退店起30分钟、1小时或者2小时等规定时间以内访问了第2店铺的用户，能够提高能够向用户b发送适当的推荐信息的可能性。当然，也可以使用第1店铺和第2店铺的位置信息而使规定时间可变。即，在第1店铺和第2店铺位于较近的距离的情况下，可以缩短规定时间，在第1店铺和第2店铺位于较远的距离的情况下，可以延长规定时间。由此，能够进一步提高能够考虑到每个店铺的位置信息而向用户b提示适当的代替店铺的可能性。

另外，也可以在从第1店铺的退店至第2店铺的来店之间进行其他店铺的来店或退店。具体而言，在用户a离开店铺200a之后来到了店铺200c，但也没有在那里进行购买行为而退店，并在接着访问的店铺200b中进行了购买行为的情况下，向用户b提示的代替店铺不是在店铺200a之后访问的店铺200c而是进行了购买行为的店铺200b的可能性高。另外，在店铺200b位于店铺200a的附近并且所销售的商品也相似的情况下，如果不发送推荐信息，则离开店铺200a的用户b接着来到店铺200b的可能性高。

即使在这样的情况下，根据本结构，不将进行购买行为之前所访问的店铺的信息作为推荐信息，而将进行了购买行为的店铺的信息作为推荐信息发送给用户b，因此用户b能够省略无用的来店，从而能够有效利用时间。

在提取了第2提取用户之后，在步骤s203中，推荐服务器1提取1个或多个第2店铺。由于第2提取用户是1个或多个，因此这里所提取的第2店铺也是1个或多个。将提取出的第2店铺记载为“提取店铺”。另外，例如对于3个第2提取用户，有时第2店铺会重复，因此提取店铺不一定限于3家。

提取了店铺的推荐服务器1结束图6所示的推荐信息提取处理，接着执行图7所示的推荐信息选择处理(图5的步骤s105)。

在推荐信息选择处理中，在步骤s301中，推荐服务器1进行基于商品种类的选择。从1个或多个提取店铺中仅选择作为第1店铺的店铺200a和销售种类信息至少一部分重复的店铺。

这是因为，销售种类信息与第1店铺不重复的店铺为第1店铺的代替店铺的可能性低。

接下来，在步骤s302中，推荐服务器1进行使用了时间信息的选择。具体而言，举出店铺200a是餐饮店的情况为例进行说明。

例如，假设用户c在店铺200a中什么也没购买(饮食)而退店，并紧接着来到店铺200c进行了购买行为(饮食行为)。用户c在店铺200c中进行购买行为是在12点左右，这在时间上被认为是午餐。

另一方面，如图3所示，用户b来到店铺200a的时间是上午7点，在时间上是午餐的可能性低。因此，根据用户c的行为履历将店铺200c作为代替店铺提示给用户b有可能不合适。

在步骤s302中，这样，进行使用时间信息从被选择为代替店铺候选的店铺中进一步缩小的处理。因此，店铺200c从代替店铺候选中排除。

接下来，在步骤s303中，推荐服务器1进行店铺可否利用的选择。各店铺200、200、…有时不能利用。例如，固定休息日的店铺、营业时间外的店铺以及已闭店的店铺等。另外，也可以将因混杂状况而难以利用的店铺也作为不能利用店铺而排除。由于不希望将这样的店铺200作为代替店铺提示给用户，因此通过步骤s303的选择处理而将这样的店铺200排除。

固定休息日和营业时间等信息例如存储在店铺db51中。

另外，步骤s301至步骤s303的各选择处理可以仅进行任意一个，也可以进行全部的处理。另外，如果将向用户b提示的代替店铺设为1家，则也可以在代替店铺变为1家的时刻不进行之后的选择处理。除此之外，如果允许向用户b提示的代替店铺为0家、即没有推荐信息，则也可以进行全部的选择处理，在代替店铺变为0家的时刻不进行以后的处理而结束。

接下来，在步骤s304中，推荐服务器1判定是否进行进一步的选择处理。具体而言，判定是否残留有比预定向用户b提示的推荐信息多的信息作为代替店铺。

在不进行进一步的选择处理的情况下，不进行步骤s305的处理而结束图7所示的推荐信息选择处理。另一方面，在进行进一步的选择处理的情况下，进入步骤s305的处理。

在步骤s305中，推荐服务器1进行进一步缩小步骤s301至步骤s303的各选择处理的结果所残留的代替店铺候选的处理。具体而言，按照购买行为从多到少的顺序选择规定数量的店铺。规定数量是指作为向用户b提示的推荐信息的代替店铺信息的件数。在向用户提示1家代替店铺的情况下，按照购买行为从多到少的顺序选择1家代替店铺，在提示3家代替店铺的情况下，按照购买行为从多到少的顺序选择3家代替店铺。

另外，购买行为多的店铺是指代替第1店铺(店铺200a)而来店的用户多的店铺。

另外，在步骤s305中，也可以代替选择购买行为多的店铺而根据其他信息进行选择。例如，可以根据距用户b的当前值近的店铺顺序，也可以选择没有用户b的来店履历的店铺。

返回图5的说明。进行了步骤s104的推荐信息提取处理和步骤s105的推荐信息选择处理的推荐服务器1在步骤s106中执行判定发送时机是否到来的处理。在发送时机未到来的情况下，继续执行步骤s106的处理。即，在步骤s106中待机直至发送时机到来。

发送时机是被认为向用户发送推荐信息是适当的时刻。例如，在检测到用户b离开店铺200a之后。另外，在本实施方式中，进行用户的来店检测、退店检测以及购买行为检测，但即使在不进行来店检测的情况下，也可以将被认为是退店的时间作为发送时机。例如，在用户b在来到的店铺200a中的平均停留时间为1小时的情况下，也可以将从用户b的来店检测起1小时后作为发送时机。

如果进行这样的处理，则即使仅进行用户的来店检测，也能够在适当的时机向用户发送推荐信息。由此，能够实现减轻推荐服务器1的处理负担和削减履历db52的存储区域的消耗，并且能够发送推荐信息。

在步骤s106中判定为发送时机到来的推荐服务器1在步骤s107中进行发送处理。在该发送处理中，将作为推荐信息的代替店铺信息发送给作为发送对象的用户b。

另外，在步骤s105的推荐信息选择处理中进行了各种选择的结果是没有作为推荐信息的代替店铺的情况下，不进行步骤s106和步骤s107的处理而结束图5所示的一系列处理。另外，在步骤s104的推荐信息提取处理中没有提取出应该推荐的信息的情况下也同样地，不执行步骤s106和步骤s107的处理而结束。

另外，在图7的步骤s303中取得了各店铺的混杂状况的情况下，也可以在步骤s107的发送处理中发送推荐信息时结合混杂状况进行发送。由此，用户能够在考虑到混杂状况的基础上判断能否利用代替店铺。即，能够提供对用户有益的信息。

＜2-2.第2实施方式＞

在第2实施方式中，以用户离开店铺200为契机发送推荐信息。具体而言，参照图8进行说明。

另外，对用户b在来到作为第1店铺的店铺200a后不进行购买行为而退店的情况进行说明。

推荐服务器1在步骤s121中判定有无接收到行为信息，在步骤s122中将接收到的行为信息存储在履历db52中。步骤s121和步骤s122的处理是与图5的步骤s101和步骤s102的处理相同的处理，因此省略详细叙述。

在步骤s123中，推荐服务器1判定在之前的处理中存储的行为履历的行为类别是否与退店相关。在接收到行为类别与退店相关以外的行为履历的情况下，推荐服务器1再次执行步骤s121的处理。

另一方面，在接收到行为类别与退店相关的行为履历的情况下，推荐服务器1在步骤s124中进行推荐信息提取处理，在步骤s125中执行推荐信息选择处理。

参照图9和图10，对步骤s124的推荐信息提取处理和步骤s125的推荐信息选择处理进行说明。

在本实施方式中，以用户的退店为契机发送推荐信息，因此除了发送与退店的店铺不同的其他店铺的信息之外，还可以考虑发送与刚刚退店的店铺相关的信息。

这里，对将与刚刚退店的店铺相关的信息作为推荐信息进行发送的例子进行说明。

推荐服务器1执行图9的步骤s221的处理作为推荐信息提取处理。在步骤s221中，进行与用户b退店的店铺200a相关的推荐信息的提取。

作为与店铺200a相关的信息，例如是在店铺200a中受欢迎的商品信息、销路急剧上升的商品或者用户b感兴趣的商品等。

接下来，推荐服务器1通过进行图10的步骤s321以后的各处理，从提取出的信息中选择推荐信息。

首先，在步骤s321中，进行基于用户的兴趣或嗜好信息的选择。用户的兴趣或嗜好的信息例如存储在用户db50中。这些信息可以是被用户直接输入的信息，也可以是从用户的购买行为履历中提取出的估计信息，还可以是从用户来店的店铺信息中提取出的估计信息。

接下来，在步骤s322中，推荐服务器1根据用户的移动路径进行选择的处理。例如，在店铺200a中设置有多个信标发送器10、10、…的情况下，能够掌握店铺200a中的用户b的移动路径。可以考虑使用这样的信息掌握用户经过的角落和没有经过的角落等，从而选择与在没有经过的角落中销售的商品相关的商品信息。通过执行步骤s321和步骤s322这两者的选择处理，选择用户b有可能没有注意到的感兴趣的商品作为推荐信息。具体而言，在店铺200a是书店、用户b喜欢的作家的作品从通常的场所暂时转移到了特设角落等的情况下，用户b有可能没有注意到而离开了店铺200a。通过掌握店铺200a内的用户b的移动路径来估计这样的情况，从而选择适当的推荐信息。

另外，也可以将关于店铺内的商品的位置例如存储在店铺db51中。另外，也可以不掌握放置各商品的位置而使用根据各用户的移动路径和嗜好信息蓄积了哪种属性的用户容易访问各角落的信息。

推荐服务器1在步骤s323中判定是否需要选择处理，接着在步骤s324中进行进一步的选择处理。步骤s323和步骤s324的处理与上述的步骤s304和步骤s305的处理相同，因此省略详细叙述。

返回图8的说明。进行了推荐信息的提取和选择的推荐服务器1在步骤s126中执行发送处理。

＜2-3.推荐信息提取处理的另一例＞

参照图11对图8的步骤s124的推荐信息提取处理的另一例进行说明。

在推荐信息提取处理的另一例中，对如下的例子进行说明：不是简单地提取来到第1店铺但未进行购买行为而退店、并且来到第2店铺而进行了购买行为的用户，还从这些用户中提取与推荐信息的发送对象的用户相似的用户。

首先，在步骤s241中，推荐服务器1进行相似用户的提取。相似用户是指例如具有来店履历的店铺相似的用户、具有购买行为的店铺相似的用户、家族结构相似的用户以及住址信息相似的用户(住址接近的用户)等。

接下来，在步骤s242和步骤s243中，推荐服务器1进行从这些相似用户中提取第1提取用户和第2提取用户的处理。步骤s242的处理是与上述的图6的步骤s201相同的处理，步骤s243的处理是与上述的图6的步骤s202相同的处理，因此省略详细叙述。

最后，在步骤s244中，推荐服务器1提取1个或多个第2店铺。该处理是与图6的步骤s203的处理相同的处理。

另外，将该处理作为图8的步骤s124的处理的一例进行了说明，但也可以作为图5的步骤s104的推荐信息提取处理的一例来执行。即，也可以进行图11的处理作为根据用户b来到店铺200a而进行的推荐信息提取处理。

＜2-4.推荐信息选择处理的另一例＞

参照图12对图8的步骤s125的推荐信息选择处理的另一例进行说明。

在推荐信息选择处理的另一例中，考虑到天气信息来进行推荐信息的选择。

在本例中，以用户b离开店铺200a为契机，执行图8的步骤s124等推荐信息提取处理，然后执行图12所示的一系列处理。

在使用了天气信息的推荐信息选择处理中，在步骤s341中，推荐服务器1从店铺db51中取得作为第1店铺的店铺200a的住址信息。

接下来，在步骤s342中，推荐服务器1取得店铺200a的当前的天气信息。天气信息经由通信网络3从发布天气信息的网站等取得。另外，天气信息是指例如气温信息、晴或雨等天气信息、风速信息等。

在步骤s343中，推荐服务器1从已经提取的1个或多个店铺中进行根据天气信息的店铺选择。例如，如果天气信息是雨，则优先选择从用户b的当前位置、即店铺200a不通过屋外而仅在地下通道或有屋顶的拱廊街中移动就能够到达的店铺。另外，也优先选择位于同一建筑物内的店铺。此时，也可以进一步考虑店铺的混杂状况。例如，在知道店铺混杂而等待的情况下，也可以选择具有有屋顶的等待空间的店铺。

在知道外部气温低且店铺混杂的情况下，也可以选择能够在室内等待的店铺。除此之外，也可以根据花粉信息或紫外线信息来选择店铺。而且，优选是否使用这样信息基于用户b的用户信息。例如，根据是否为患有花粉症的用户，决定是否进行使用了花粉症信息的选择处理。

在外部气温低且店铺混杂但无风的情况下，也可以选择能够在阳光下等待的店铺。

另外，在气温温和且晴天或阴天等情况下，也可以不进行根据天气信息的选择。在该情况下，例如，也可以代而执行图7或图10等的推荐信息选择处理。另外，图10的步骤s321的基于兴趣/嗜好信息的选择在上述例子中选择了商品信息，但这里是选择店铺信息的处理。在步骤s322的基于移动路径的选择处理中，对估计为用户漏掉了没有经过的角落的信息而进行选择的例子进行了说明，但这里取得用户经过的角落的信息，并根据经过的角落估计用户寻找的商品信息，从而根据该估计的信息进行店铺选择。

接下来，推荐服务器1在步骤s344中判定是否需要进一步的选择处理，在步骤s345中进行按照购买行为从多到少的顺序选择店铺的处理。这些处理与图7的步骤s304和步骤s305的处理相同，因此省略详细叙述。

为了进行基于本例中说明的天气信息的选择处理，也可以在店铺db51中存储与天气信息相关的信息。例如，针对每个店铺存储有等待场所在雨天的情况下是否合适等信息。另外，也可以在履历db52中存储与天气信息相关的信息。例如，也可以在来店的记录中存储当时的天气。在与其他店铺相比于雨天时的来店履历信息少且晴天时的来店履历信息多的情况下，作为雨天时的推荐信息进行提示的店铺不合适的可能性高，因此在推荐信息选择处理中可以考虑不选择等。

＜2-5.推荐信息提取处理的另一例2＞

在推荐信息提取处理中，如上所述，例如以用户b来到店铺200a或离开店铺200a为契机，根据用户b以外的行为履历向用户b提示关于店铺200a以外的店铺的推荐信息。此时，例如在用户a在店铺200a之后来到店铺200b并进行了购买行为的情况下，店铺200b成为向用户b提示的代替店铺的候选。

在推荐信息提取处理的另一例2中，考虑用户a如何选择店铺200b而来店。具体而言，考虑用户a是否根据检索操作而选择了店铺200b。

在用户a来到店铺200a没有进行购买行为而退店之后进行检索操作得到与店铺200b相关的信息的情况下，可以认为进行了用于找到店铺200a以外的代替店铺的检索操作的可能性高。这样得到的信息的店铺200b对于用户a来说是店铺200a的代替店铺的可能性高。即，对于用户b来说，店铺200b也是店铺200a的代替店铺的可能性高。具体参照图13进行说明。

在步骤s261中，推荐服务器1提取来到作为第1店铺的店铺200a没有进行购买行为而退店的用户。

接下来，在步骤s262中，推荐服务器1对作为检索操作的结果而得到的来到第2店铺的用户进行缩小。关于检索操作的有无从用户终端2发送到推荐服务器1并存储在db中。例如，对于存储在履历db52中的各记录中的与来店相关的记录，存储是否伴随有检索操作的信息。

在步骤s263中，推荐服务器1进行第2店铺的提取。由此，提取用户访问第1店铺后进行检索操作而来到的第2店铺的信息。

另外，关于之后推荐服务器1所执行的推荐信息选择处理，可以是图7所示的处理，也可以是图10所示的处理，还可以是图12所示的处理。此时，图10所示的步骤s321或步骤s322的处理成为在推荐信息选择处理的另一例中说明的那样的处理内容。

＜3.变形例＞

在上述图7、图10以及图12所示的推荐信息选择处理中，也可以从通过之前执行的推荐信息提取处理提取出的各店铺的信息或与商品相关的信息中随机地选择规定数量的信息。由此，能够防止推荐信息偏向，因此能够提供多用的推荐信息。

也可以与pos(pointofsale：销售点)系统协作以掌握用户的购买行为。由此，能够可靠地进行购买行为的掌握。

另外，购买行为也可以包含商品的取货请求、购买预约以及发送请求等。即，不限于在店铺200中支付货款并接收购入商品的行为，也包含在店铺中接收商品但日后支付货款的情况、以及日后发送商品但预先支付货款的情况等。

在上述各例中，为了将用户id信息存储在履历db52中，例示了在登录到推荐服务器1所提供的推荐信息提供服务的状态下进行各种处理的例子，但不一定需要登录。例如，在掌握了向店铺200的来店行为、退店行为以及购买行为的阶段，推荐服务器1也可以向用户发行数小时或1天有效的临时id。

推荐服务器1发送所提供的推荐信息，所提供的推荐信息是与刚刚退店的店铺200相关的推荐信息或退店的店铺200的代替店铺的推荐信息。因此，虽然离开店铺200a的用户a一周后在店铺200b中进行了购买行为，但将店铺200b估计为店铺200a的代替店铺是不适当的可能性高。即，不一定要掌握在店铺200a和店铺200b中一整周内进行的各行为是否由同一人进行。

因此，只要能够掌握在数小时等某种程度的短时间内进行的来店行为、退店行为以及购买行为是由同一人进行的即可，因此即使通过短期有效的临时id来掌握各用户的行为，也能够得到充分的效果。

上述各处理的组合只是一个方式。因此，即使以怎样的方式组合各个处理，也能够得到各种效果。例如，作为推荐信息选择处理，在图7的步骤s301、s302、s303的各选择处理之后也可以执行图10的步骤s321、s322的各选择处理。另外，也可以组合不同例子的推荐信息提取处理和推荐信息选择处理。

另外，在上述各例中，对发送实际的店铺信息作为推荐信息的例子进行了说明，但也可以提示在网络上展开的虚拟购物商场或虚拟店铺作为代替店铺。向虚拟购物中心或虚拟店铺的来店能够根据开始阅览在网络上展开的店铺的页面的情况作为来店来处理。另外，能够根据停止阅览该页面的情况作为退店来处理。并且，根据退店而提示给用户的代替店铺可以是属于虚拟购物中心的其他虚拟店铺，也可以是不在网络上的实际店铺。

具体而言，在用户a来到实际的店铺200a但没有采取购买行为、接着来到店铺200b进行了购买行为的情况下，推荐服务器1蓄积这一系列的履历信息。接下来，在作为与a用户相似的相似用户的用户b来到在虚拟购物中心开店的店铺200a的虚拟店铺200a’(开始网页的阅览)、并在之后退店(结束页面的阅览)的情况下，向b用户发送关于店铺200b的推荐信息。此时，作为向b用户发送的推荐信息，可以是与实际的店铺200b相关的信息，也可以是与店铺200b的虚拟店铺200b’相关的信息。当然，也可以发送店铺200b、店铺200b’这两者的信息。

＜4.总结＞

如上述各例中说明的那样，推荐服务器1具有：接近检测部(检测部1a)，其对用户所携带的信息终端(用户终端2)接近店铺200的情况进行检测；购买行为检测部(检测部1a)，其对用户在店铺200中进行购买行为的情况进行检测；蓄积部1b，其蓄积与用户来到店铺200和购买行为相关的履历信息；以及推荐部1c，其在从一个用户的履历信息中检测出第1店铺的来店履历信息且未检测出第1店铺的购买行为履历信息、并检测出蓄积在与第1店铺相关的履历信息之后的第2店铺的来店履历信息和购买行为履历信息的情况下，向检测出接近第1店铺的用户的信息终端发送与第2店铺相关的推荐信息。

由此，根据与实际的店铺相关的其他用户的来店履历信息和购买行为履历信息，向用户提供作为用户来到的店铺的代替的店铺的信息。

因此，例如如果是餐饮店，则对于无法在第1店铺中就餐的用户，在代替第1店铺而存在其他用户进行了就餐的第2店铺的情况下，推荐该第2店铺作为代替店铺。

当然，第1店铺或第2店铺不限定于餐饮店，也可以是处理文具等商品的店铺。例如，在第1店铺中没有想要购买的文具的情况下，推荐能够作为代替店铺的第2店铺的文具店。

另外，向检测出接近第1店铺的用户推荐的第2店铺位于离该用户的位置太远的场所的情况是不合适的可能性高。根据本结构，将实际来到第1店铺的其他用户之后访问并采取了购买行为的店铺作为代替店铺推荐给用户，因此能够提高向位于第1店铺附近的该用户进行适当推荐的可能性。

进而，通过抑制不需要的信息的收发，能够实现减轻推荐服务器1的处理负担和减轻用户所持有的用户终端2的处理负担。另外，通过提供适当的信息，减轻重新进行检索等的用户的负担，并且抑制检索时的用户终端2的处理负担的产生。

如推荐信息提取处理的另一例(图11)中说明的那样，推荐服务器1具有对用户间的相似进行判定的相似判定部1d，推荐部1c也可以根据被判定为与作为发送对象的用户相似的相似用户的履历信息来进行发送。

由此，判定检测出接近第1店铺的用户与成为推荐信息的提取源的用户的相似程度。

因此，对于作为推荐信息的发送对象(发送目的地)的用户来说，能够提高推荐适当的代替店铺作为第2店铺的可能性。

如检测部1a的说明所记载的那样，接近检测部(检测部1a)也可以使用近距离无线通信(例如使用信标信号的通信)来检测接近店铺200的情况。

由此，不需要为了检测向店铺200的接近而在用户所携带的用户终端2上启动例如gps功能等。

近距离无线通信大多能够以较低功耗进行通信。特别是，与始终启动gps功能相比，是低功耗。因此，能够抑制用户所携带的用户终端2的电池消耗，因此能够实现用户的便利性的提高。

如第2实施方式等中说明的那样，推荐部1c也可以在检测出作为发送对象的用户离开第1店铺之后进行推荐信息的发送。

由此，仅通过用户来到第1店铺，不提示代替店铺作为推荐信息。

具体而言，在用户来到第1店铺但没有进行购买行为而退店的情况下，将作为代替店铺的第2店铺作为推荐信息提供。由此，能够防止向预定在第1店铺中进行购买行为的用户、即不需要代替店铺的推荐的用户发送推荐信息。

如检测部1a的说明所记载的那样，购买行为的检测也可以根据电子货币的使用、信用卡的使用或积分卡的使用来进行。

在电子货币、信用卡以及积分卡的使用中大多处理电子数据，由此，能够容易地进行购买行为的检测。

因此，在使用gps或近距离无线通信进行来店检测或退店检测等的同时，能够可靠地进行购买行为检测，因此能够防止无用的推荐信息的发送等。

如第1实施方式中说明的那样，推荐部1c也可以在第2店铺不能利用的情况下不进行与该第2店铺相关的推荐信息的发送。

推荐不能利用的店铺有可能对于接收到通知的用户不利。

因此，通过不进行这样的第2店铺的推荐，能够实现用户的便利性的提高。

如第1实施方式(图7)中说明的那样，推荐部1c在从多个用户的履历信息中提取出多个第2店铺的情况下，也可以将提取出的第2店铺中的该多个用户的购买行为履历信息多的店铺作为推荐信息来发送。

将在第1店铺中未检测出购买行为的用户访问最多且进行了购买行为的下一个店铺作为第2店铺推荐给用户。

因此，将适合用户的目的的店铺作为第2店铺进行推荐，能够提高能够提供对用户有益的信息的可能性。

如第1实施方式(图7)中说明的那样，也可以是，蓄积部1b蓄积将用户发生了行为的时间信息相关联的履历信息，推荐部1c使用时间信息进行推荐信息的发送。

即，考虑到检测出用户来到第1店铺的时间和其他用户在第1店铺之后来到的第2店铺中发生了购买行为的时间，发送推荐信息。

例如，认为应该在午餐时间提示的作为代替店铺的第2店铺和应该在晚餐时间提示的作为代替店铺的第2店铺不同。根据本结构，考虑到时间信息而提取第2店铺并作为推荐信息发送，因此能够进一步提高进行适当推荐的可能性。

如推荐信息选择处理的另一例(图12)中说明的那样，推荐部1c也可以使用与作为发送对象的用户的位置相关的气象信息来进行推荐信息的发送。

例如，在作为推荐信息进行发送的第2店铺混杂而有可能产生等待时间的情况下，能够考虑是否能够在适当的状态下度过等待时间等来进行第2店铺的选择。

因此，具体而言，能够将在雨天或气温低的日子必须在外面等待的店铺从第2店铺的候选中排除，能够提供对于用户来说满意度高的信息。除此之外，还能够优先提取能够确保在雨天不暴露于风雨而能够移动的移动路径的店铺作为第2店铺的候选等。

如第2实施方式中说明的那样，推荐服务器1具有：检测部1a，其对用户从店铺200退店的情况进行检测；以及推荐部1c，其将基于店铺200的信息的推荐信息发送给检测出退店的用户。

由此，在将作为推荐信息的发送对象的用户缩小到检测出退店的用户之后，进行推荐信息的发送。

因此，与仅通过来店而进行推荐信息的发送的情况相比，能够抑制无用的信息发送，能够实现用户的便利性和满意度的提高。

另外，通过抑制不需要的信息的收发，能够实现减轻服务器的处理负担和减轻用户所持有的信息终端的处理负担。

如检测部1a的说明所记载的那样，检测部1a也可以检测用户在店铺200中进行了购买行为。

根据用户是否进行了购买行为，进行推荐信息的需要与否和筛选。

因此，能够提高将对用户有益的信息作为推荐信息进行发送的可能性。

如检测部1a的说明所记载的那样，检测部1a也可以通过从检测出用户位于规定区域内的状态变化为未检测出的状态来检测退店的情况。

由此，使用检测来店的方法进行退店的检测。

即，不需要在店铺中设置用于退店检测的专用装置等，能够有助于削减成本。

如检测部1a的说明所记载的那样，检测部1a也可以使用近距离无线通信来检测从店铺200退店的情况。

由此，不需要为了检测从店铺200的退店而在用户所携带的用户终端2上启动例如gps功能等。

近距离无线通信大多能够以较低功耗进行通信。特别是，与始终启动gps功能相比，是低功耗。因此，能够抑制用户所携带的用户终端2的电池消耗，因此能够实现用户的便利性的提高。

如第2实施方式(图9或图10)中说明的那样，推荐部1c也可以在检测出退店的店铺200中未检测出购买行为的情况下，发送与检测出退店的店铺200相关的信息作为推荐信息。

用户来到的店铺是符合用户兴趣爱好的店铺的可能性高。将关于这样的店铺的推荐信息发送给用户。

例如，在用户来到书店没有进行购买行为而退店的情况下，可以考虑将与用户没有经过的角落相关的有益的信息作为推荐信息进行发送。在该情况下，对于用户来说已知的信息被作为推荐信息发送的可能性低，能够提高提供有益信息的可能性。

如第1实施方式等中说明的那样，推荐部1c也可以在检测出退店的店铺200中未检测出购买行为的情况下，发送与检测出退店的店铺200不同的代替店铺相关的信息作为推荐信息。

在尽管来店但未检测出购买行为的店铺200中，用户没有达到目的的可能性高。将这样的店铺200的代替店铺提示给用户。

通过根据用户所访问的店铺200推荐代替店铺，省去用户检索下一个应该访问的店铺的工夫，因此能够提供便利性高的信息。

如第1实施方式中说明的那样，推荐部1c也可以在代替店铺不能利用的情况下不进行与该代替店铺相关的推荐信息的发送。

推荐不能利用的店铺200有可能对接收到通知的用户不利。

因此，通过不进行这样的代替店铺的推荐，能够实现用户的便利性的提高。

如第1实施方式(图7)中说明的那样，推荐部1c也可以在提取出多个代替店铺的情况下将检测出多次购买行为的店铺200作为推荐信息进行发送。

多次检测出购买行为的店铺200对于多数用户来说是适当的店铺的可能性高。将这样的店铺200作为代替店铺推荐给未检测出购买行为的用户。

因此，将适合用户目的的店铺推荐为代替店铺，能够提高能够提供对用户有益的信息的可能性。

如第1实施方式(图7)中说明的那样，推荐部1c也可以使用用户发生了行为的时间信息来进行推荐信息的发送。

即，考虑到检测出用户来到店铺200的时间和检测出其他用户在代替店铺中的购买行为的时间，发送作为推荐信息的代替店铺。

例如，认为应该在午餐时间提示的代替店铺和应该在晚餐时间提示的代替店铺不同。根据该结构，考虑到时间信息而提取代替店铺并作为推荐信息发送，因此能够进一步提高进行适当推荐的可能性。

如推荐信息选择处理的另一例(图12)中说明的那样，推荐部1c也可以使用与作为发送对象的用户的位置相关的气象信息来进行推荐信息的发送。

例如，在作为推荐信息发送的代替店铺混杂而有可能产生等待时间的情况下，能够考虑是否能够在适当的状态下度过等待时间来进行代替店铺的选择和提示。

因此，具体而言，能够将在雨天或气温低的日子必须在外面等待的店铺从代替店铺的候选中排除，能够提供对于用户来说满意度高的信息。除此之外，还能够优先提取能够确保在雨天不暴露于风雨而能够移动的移动路径的店铺作为代替店铺的候选等。

＜5.程序和存储介质＞

实施方式的程序是使推荐服务器1的运算处理装置(cpu等)执行各种处理的程序。

实施方式的程序使运算处理装置执行对用户从店铺退店的情况进行检测的检测功能。

另外，实施方式的程序使运算处理装置执行推荐功能，该推荐功能向检测出退店的用户发送基于店铺信息的推荐信息。

即，该程序是使信息处理装置的运算处理装置执行图5至图13所示的各处理的程序。

通过这样的程序，能够实现作为上述推荐服务器1的1个或多个信息处理装置。

并且，这样的程序能够预先存储在作为内置在计算机装置等设备中的存储介质的hdd、具有cpu的微型计算机内的rom等中。或者，能够临时或永久地贮存(存储)在半导体存储器、存储卡、光盘、光磁盘、磁盘等可移动存储介质中。另外，这样的可移动存储介质能够作为所谓的封装软件来提供。

另外，这样的程序除了从可移动存储介质安装到个人计算机等中之外，还能够从下载站点经由lan、互联网等网络进行下载。

标号说明

1：推荐服务器；1a：检测部；1b：蓄积部；1c：推荐部；1d：相似判定部；2：用户终端；3：通信网络；4：信用卡终端；5：电子货币终端；6：积分卡终端；7：信用卡系统；8：电子货币系统；9：积分卡系统；10：信标发送器；50：用户db；51：店铺db；52：履历db；200、200a、200b、200c：店铺。