JP6590880B2 - 抽出装置、抽出方法及び抽出プログラム - Google Patents

Description

本発明は、抽出装置、抽出方法及び抽出プログラムに関する。

従来、検索連動型広告やコンテンツ連動型広告に適切なキーワードを設定するために、検索クエリを活用する技術が提案されている。例えば、検索クエリに基づいて共起クエリのグループを複数取得し、取得された共起クエリの複数のグループから、グループ間で共通する共起クエリを共通クエリとして抽出する技術が提案されている。

特開２０１２−１１３４８６号公報

しかしながら、上記の従来技術では、特定のユーザ群の特徴を高精度に抽出することができるとは限らない。具体的には、上記の従来技術では、検索クエリに基づいて共起クエリのグループを複数取得し、取得された共起クエリの複数のグループから、グループ間で共通する共起クエリを共通クエリとして抽出するにすぎず、特定のユーザ群の特徴を高精度に抽出することができるとは限らない。

本願は、上記に鑑みてなされたものであって、特定のユーザ群の特徴を高精度に抽出することができる抽出装置、抽出方法及び抽出プログラムを提供することを目的とする。

本願に係る抽出装置は、第１グループの第１ユーザの第１特徴量と第２グループの第２ユーザの特徴量であって前記第１特徴量と異なる第２特徴量を取得する取得部と、前記取得部によって取得された第１特徴量と前記取得部によって取得された第２特徴量とに基づいて得られる特徴量である前記第１グループの第１ユーザの第３特徴量を抽出する抽出部とを備えたことを特徴とする。

実施形態の一態様によれば、特定のユーザ群の特徴を高精度に抽出することができるといった効果を奏する。

図１は、実施形態に係る抽出処理の一例を示す図である。 図２は、実施形態に係る抽出装置の構成例を示す図である。 図３は、実施形態に係る検索クエリ記憶部の一例を示す図である。 図４は、変形例に係る決定処理の一例を示す図である。 図５は、実施形態に係る抽出処理手順を示すフローチャートである。 図６は、抽出装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る抽出装置、抽出方法及び抽出プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る抽出装置、抽出方法及び抽出プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．抽出処理の一例〕
まず、図１を用いて、実施形態に係る抽出処理の一例について説明する。図１は、実施形態に係る抽出処理の一例を示す図である。図１では、抽出装置１００が、第１グループの第１ユーザの第１特徴量として、第１グループの第１ユーザによって入力された検索クエリ（以下、適宜、「第１検索クエリ」と呼ぶ。）の第１グループにおける出現確率の重みを取得する例を示す。また、抽出装置１００が、第２グループの第２ユーザの特徴量であって第１特徴量と異なる第２特徴量として、第２グループの第２ユーザによって入力された検索クエリ（以下、適宜、「第２検索クエリ」と呼ぶ。）の第２グループにおける出現確率の重みを取得する例を示す。そして、抽出装置１００が、第１検索クエリの第１グループにおける出現確率の重みと第２検索クエリの第２グループにおける出現確率の重みとの差分をとることにより、第１グループの第１ユーザの第３特徴量として、各検索クエリの出現確率の重みの差分を抽出する例を示す。

図１に示すように、抽出システム１には、検索サーバ２０と、広告配信サーバ３０と、抽出装置１００とが含まれる。これらの各種装置は、ネットワークＮ（例えば、インターネット）を介して、有線又は無線により通信可能に接続される。なお、図１に示す抽出システム１には、複数台の検索サーバ２０や、複数台の広告配信サーバ３０が含まれてもよい。また、本実施形態では、検索サーバ２０、広告配信サーバ３０および抽出装置１００は、事業者Ｔ１によって管理されているものとする。

検索サーバ２０は、ユーザから検索クエリの入力を受け付けて、ウェブページ等のコンテンツの検索結果を返す情報処理装置である。また、検索サーバ２０は、ユーザが入力した検索クエリや検索日時に関する情報を検索履歴記憶部に格納する。そして、検索サーバ２０は、後述する抽出装置１００からの要求に応じて、検索履歴記憶部に格納したユーザの検索クエリに関する情報を抽出装置１００に送信する。

広告配信サーバ３０は、後述する抽出装置１００によって決定される広告コンテンツの配信先に抽出装置１００によって決定された配信対象の広告コンテンツを配信する情報処理装置である。また、広告配信サーバ３０は、広告コンテンツや広告コンテンツに設定されたキーワードに関する情報を広告情報記憶部に格納する。そして、広告配信サーバ３０は、後述する抽出装置１００からの要求に応じて、広告情報記憶部に格納した広告コンテンツに設定されたキーワードに関する情報を抽出装置１００に送信する。

抽出装置１００は、特定のユーザ群の検索クエリの特定のユーザ群における出現確率の重みと他のユーザ群の検索クエリの他のユーザ群における出現確率の重みとの差分をとることにより、特定のユーザ群の検索クエリの出現確率の重みの差分を抽出する情報処理装置である。抽出装置１００は、特定のユーザ群に属するユーザの検索クエリの送信要求を検索サーバ２０に送って、特定のユーザ群に属するユーザの検索クエリを検索サーバ２０から取得する。また、抽出装置１００は、広告コンテンツに設定されたキーワードに関する情報の送信要求を広告配信サーバ３０に送って、広告コンテンツに設定されたキーワードに関する情報を広告配信サーバ３０から取得する。

以下、図１を用いて、抽出処理の一例を説明する。図１に示す例では、抽出装置１００は、検索サーバ２０から第１検索クエリを取得する。抽出装置１００は、第１検索クエリとして、検索クエリＱ１、検索クエリＱ２、検索クエリＱ３、検索クエリＱ４、検索クエリＱ５、…を取得する（ステップＳ１）。

続いて、抽出装置１００は、各第１検索クエリの第１グループにおける出現確率の重みを算出する。抽出装置１００は、各第１検索クエリを単純ベイズ分類器に入力して、第１グループの第１ユーザのみによって検索される確率が高いか否かに関する重みを算出する（ステップＳ２）。そして、抽出装置１００は、第１グループの第１ユーザの第１特徴量として、各第１検索クエリの第１グループにおける出現確率の重みを取得する。例えば、第１グループの第１ユーザが１００人いる場合、１００人中９０人が検索クエリＱ１を入力したとすると、検索クエリＱ１の第１グループにおける出現確率は９０％である。そして、抽出装置１００は、検索クエリＱ１の第１グループにおける出現確率の重みとして０．９を取得する。

続いて、抽出装置１００は、検索サーバ２０から第２検索クエリを取得する。抽出装置１００は、第２検索クエリとして、検索クエリＱ１、検索クエリＱ２、検索クエリＱ３、検索クエリＱ４、検索クエリＱ５、…を取得する（ステップＳ３）。

続いて、抽出装置１００は、各第２検索クエリの第２グループにおける出現確率の重みを算出する。抽出装置１００は、各第２検索クエリを単純ベイズ分類器に入力して、第２グループの第２ユーザのみによって検索される確率が高いか否かに関する重みを算出する（ステップＳ４）。そして、抽出装置１００は、第２グループの第２ユーザの第２特徴量として、各第２検索クエリの第２グループにおける出現確率の重みを取得する。例えば、第２グループの第２ユーザが１０００人いる場合に、１０００人中１００人が検索クエリＱ１を入力したとすると、検索クエリＱ１の第２グループにおける出現確率は１０％である。そして、抽出装置１００は、検索クエリＱ１の第２グループにおける出現確率の重みとして０．１を取得する。

続いて、抽出装置１００は、各検索クエリの第１グループにおける出現確率の重みから各検索クエリの第２グループにおける出現確率の重みを引く（ステップＳ５）。例えば、抽出装置１００は、検索クエリＱ１の第１グループにおける出現確率の重み０．９から検索クエリＱ１の第２グループにおける出現確率の重み０．１を引く。

続いて、抽出装置１００は、第１グループの第１ユーザの第３特徴量として、各検索クエリの出現確率の重みの差分を抽出する（ステップＳ６）。例えば、抽出装置１００は、検索クエリＱ１の第１グループにおける出現確率の重み０．９から検索クエリＱ１の第２グループにおける出現確率の重み０．１を引くことにより、検索クエリＱ１の出現確率の重みの差分として０．８を抽出する。ここで、検索クエリの出現確率の重みの差分の値が大きいことは、第１グループの第１ユーザのみによって検索される確率が高いことを意味する。したがって、抽出装置１００は、出現確率の重みの差分の値が大きい検索クエリほど、第１グループの第１ユーザのみによって検索される確率が高い検索クエリなので、第１グループの第１ユーザに特有の検索クエリであると判定する。そして、抽出装置１００は、第１グループの第１ユーザに特有の検索クエリを第３検索クエリとして抽出する。

続いて、抽出装置１００は、抽出した第１グループの第１ユーザの第３検索クエリに基づいて、広告コンテンツの配信先を決定する（ステップＳ７）。

また、抽出装置１００は、抽出した第１グループの第１ユーザの第３検索クエリに関連する広告コンテンツを配信対象の広告コンテンツとして決定する。このように、抽出装置１００は、抽出した第１グループの第１ユーザの第３検索クエリに基づいて、配信対象の広告コンテンツを決定する（ステップＳ８）。

続いて、抽出装置１００は、第１グループの第１ユーザの第３検索クエリに基づいて決定した広告コンテンツの配信先と広告コンテンツとを広告配信サーバ３０に送信する（ステップＳ９）。

上述したように、抽出装置１００は、第１グループの第１ユーザの第１特徴量として、第１グループの第１ユーザによって入力された検索クエリ（第１検索クエリ）の第１グループにおける出現確率の重みを取得する。また、抽出装置１００は、第２グループの第２ユーザの特徴量であって第１特徴量と異なる第２特徴量として、第２グループの第２ユーザによって入力された検索クエリ（第２検索クエリ）の第２グループにおける出現確率の重みを取得する。そして、抽出装置１００は、各検索クエリの第１グループにおける出現確率の重みから各検索クエリの第２グループにおける出現確率の重みを引くことにより、第１グループの第１ユーザの第３特徴量として、各検索クエリの出現確率の重みの差分を抽出する。そして、抽出装置１００は、各検索クエリの出現確率の重みの差分の値が大きい検索クエリを第３検索クエリとして抽出する。

このように、抽出装置１００は、各検索クエリの出現確率の重みの差分を抽出することにより、第１グループの第１ユーザのみによって検索される確率が高い第３検索クエリを抽出することができる。これにより、抽出装置１００は、第１グループの第１ユーザに特有の検索クエリである第３検索クエリを高精度に抽出することができる。また、第１グループの第１ユーザに特有の検索クエリである第３検索クエリは、第１グループの第１ユーザの特徴を反映する情報である。したがって、抽出装置１００は、特定のユーザ群の特徴を高精度に抽出することができる。

なお、図１に示す例の抽出システム１は、以下のような前提のサービスに適用できる。例えば、ＣＲＭ（Customer Relationship Management）業務の代行サービスを提供する事業者Ｘと優良顧客の獲得を希望する事業者Ｙがいるとする。この場合、事業者Ｘは、事業者Ｙの優良顧客の顧客リストと事業者Ｙの既存顧客の顧客リストとに基づいて、抽出システム１を適用する。具体的には、事業者Ｙの優良顧客の検索クエリの事業者Ｙの優良顧客における出現確率の重みから事業者Ｙの既存顧客の検索クエリの事業者Ｙの既存顧客における出現確率の重みを引くことにより、事業者Ｙの優良顧客に特有の検索クエリを第３検索クエリとして抽出する。そして、事業者Ｘは、事業者Ｙの既存顧客のうち、事業者Ｙの優良顧客の第３検索クエリと同じような検索クエリを入力したユーザを広告コンテンツの配信先として決定し、事業者Ｙに提案する。また、事業者Ｘは、事業者Ｙの優良顧客の第３検索クエリに基づいて、事業者Ｙの優良顧客の第３検索クエリと同じような検索クエリを入力したユーザに対して配信する広告コンテンツを決定し、事業者Ｙに提案する。このように、事業者Ｘは、図１に示す例の抽出システム１により、事業者Ｙの優良顧客を獲得するために有効な提案をすることができる。したがって、事業者Ｘは、図１に示す例の抽出システム１により、事業者Ｙの既存顧客へのアップセル、クロスセルを促すことができる。

また、図１に示す例の抽出システム１は、以下のような前提のサービスに適用できる。具体的には、ＣＲＭ業務の代行サービスを提供する事業者Ｘと新規顧客の獲得を希望する事業者Ｚがいるとする。この場合、事業者Ｘは、事業者Ｚの既存顧客の顧客リストと事業者Ｚの顧客ではない一般ユーザのリストとに基づいて、抽出システム１を適用する。具体的には、事業者Ｚの既存顧客の検索クエリの事業者Ｚの既存顧客における出現確率の重みから事業者Ｚの顧客ではない一般ユーザの検索クエリの事業者Ｚの顧客ではない一般ユーザにおける出現確率の重みを引くことにより、事業者Ｚの既存顧客に特有の検索クエリを第３検索クエリとして抽出する。そして、事業者Ｘは、事業者Ｚの顧客ではない一般ユーザのうち、事業者Ｚの既存顧客の第３検索クエリと同じような検索クエリを入力したユーザを事業者Ｚの広告コンテンツの配信先として決定し、事業者Ｚに提案する。また、事業者Ｘは、事業者Ｚの既存顧客の第３検索クエリに基づいて、事業者Ｚの既存顧客の第３検索クエリと同じような検索クエリを入力した一般ユーザに対して配信する広告コンテンツを決定し、事業者Ｚに提案する。このように、事業者Ｘは、図１に示す例の抽出システム１により、事業者Ｚの新規顧客を獲得するために有効な提案をすることができる。したがって、事業者Ｘは、図１に示す例の抽出システム１により、事業者Ｚの新規顧客獲得を促すことができる。

また、図１に示す例では、抽出装置１００が、ユーザの特徴量として、ユーザによって入力された検索クエリのそのユーザが属するユーザ群における出現確率の重みに基づいて特定のユーザ群の特徴を抽出する例を示したが、ユーザの特徴量として、ユーザの購入商品、利用サービス、または検索サイト等のそのユーザが属するユーザ群における出現確率の重みに基づいて特定のユーザ群の特徴を抽出してもよい。また、抽出装置１００は、ユーザのデモグラフィック属性やサイコグラフィック属性、行動属性等のそのユーザが属するユーザ群における出現確率の重みに基づいて特定のユーザ群の特徴を抽出してもよい。なお、抽出装置１００は、出現確率の重みではなく、ユーザの検索クエリ、購入商品、利用サービス、検索サイト、デモグラフィック属性、サイコグラフィック属性、または行動属性等に基づいて特定のユーザ群の特徴を抽出してもよい。

また、図１に示す例では、抽出装置１００が、ユーザの特徴量として、ユーザによって入力された検索クエリそのものを用いる例を示したが、ユーザによって入力された検索クエリのグループを用いてもよい。例えば、抽出装置１００は、ひらがなの「すいか」とカタカナの「スイカ」と漢字の「西瓜」を検索クエリのグループとして、グループの検索クエリは同義のものとして扱ってもよい。

また、図１に示す例では、抽出装置１００と広告配信サーバ３０とは、別装置である場合を示したが、抽出装置１００と広告配信サーバ３０とが一体であってもよい。例えば、抽出装置１００は、広告配信サーバ３０の機能を有し、広告配信サーバ３０の広告配信、および特定のユーザ群の検索クエリの抽出と広告コンテンツの配信先の決定、配信対象の広告コンテンツの決定の両方を行ってもよい。

〔２．抽出装置の構成〕
次に、図２を用いて、実施形態に係る抽出装置１００について説明する。図２は、実施形態に係る抽出装置１００の構成例を示す図である。図２に示すように、抽出装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、例えば、検索サーバ２０、広告配信サーバ３０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、図２に示すように、検索クエリ記憶部１２１を有する。

（検索クエリ記憶部１２１）
検索クエリ記憶部１２１は、検索サーバ２０から取得したユーザの検索クエリに関する各種情報を記憶する。図３に、実施形態に係る検索クエリ記憶部１２１の一例を示す。図３に示す例では、検索クエリ記憶部１２１は、「ユーザＩＤ」、「検索クエリ」、「日時」といった項目を有する。

図３に示す例において、１レコード目は、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）が日時「２０１７年８月１日１０：００」に検索クエリ「Ｑ１」を検索したことを示す。

（制御部１３０）
制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、抽出装置１００内部の記憶装置に記憶されている各種プログラム（生成プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図２に示すように、制御部１３０は、取得部１３１と、抽出部１３２と、決定部１３３とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部１３１）
取得部１３１は、第１グループの第１ユーザの第１特徴量と第２グループの第２ユーザの特徴量であって第１特徴量と異なる第２特徴量を取得する。取得部１３１は、第１特徴量として、第１グループの第１ユーザと第１ユーザに関する各要素との各関連度を取得し、第２特徴量として、第２グループの第２ユーザと第２ユーザに関する各要素との各関連度を取得する。具体的には、取得部１３１は、第１特徴量および第２特徴量として、第１グループの第１ユーザおよび第２グループの第２ユーザが入力した検索クエリに関する情報を取得する。例えば、取得部１３１は、第１特徴量として、第１グループの第１ユーザが検索クエリを入力した回数に基づいて、第１ユーザと第１ユーザに関する各検索クエリとの各関連度として、第１検索クエリの第１グループにおける出現確率の重みを取得する。また、取得部１３１は、第２特徴量として、第２グループの第２ユーザが検索クエリを入力した回数に基づいて、第２検索クエリの第２グループにおける出現確率の重みを取得する。

取得部１３１は、ユーザに関する各要素として、ユーザが入力した検索クエリの他に、ユーザが購入した購入商品、ユーザが利用したサービス、または、ユーザが閲覧したサイト等を取得してもよい。例えば、取得部１３１は、第１特徴量として、第１グループの第１ユーザが商品を購入した回数に基づいて、第１ユーザと第１ユーザに関する各購入商品との各関連度として、購入商品の第１グループにおける購入確率の重みを取得してもよい。例えば、取得部１３１は、第１特徴量として、第１グループの第１ユーザがサービスを利用した回数に基づいて、第１ユーザと第１ユーザに関する各利用サービスとの各関連度として、利用サービスの第１グループにおける利用確率の重みを取得してもよい。例えば、取得部１３１は、第１特徴量として、第１グループの第１ユーザがサイトを閲覧した回数に基づいて、第１ユーザと第１ユーザに関する各閲覧サイトとの各関連度として、閲覧サイトの第１グループにおける閲覧確率の重みを取得してもよい。取得部１３１は、第１特徴量と同様にして、第２特徴量を取得する。

具体的には、取得部１３１は、第１グループの第１ユーザが入力した第１検索クエリと第２グループの第２ユーザが入力した検索クエリであって第１検索クエリと異なる第２検索クエリの送信要求を検索サーバ２０に送信する。続いて、取得部１３１は、第１ユーザに関する各要素として、第１ユーザが入力した第１検索クエリを検索サーバ２０から取得する。また、取得部１３１は、第２ユーザに関する各要素として、第２ユーザが入力した第２検索クエリを検索サーバ２０から取得する。

続いて、取得部１３１は、第１検索クエリの第１グループにおける出現確率の重みを算出する。具体的には、取得部１３１は、第１検索クエリを単純ベイズ分類器に入力して、第１グループの第１ユーザのみによって検索される確率が高いか否かに関する重みを算出する。そして、取得部１３１は、第１グループの第１ユーザの第１特徴量として、第１検索クエリの第１グループにおける出現確率の重みを取得する。

続いて、取得部１３１は、第２検索クエリの第２グループにおける出現確率の重みを算出する。具体的には、取得部１３１は、第２検索クエリを単純ベイズ分類器に入力して、第２グループの第２ユーザのみによって検索される確率が高いか否かに関する重みを算出する。そして、取得部１３１は、第２グループの第２ユーザの第２特徴量として、第２検索クエリの第２グループにおける出現確率の重みを取得する。

取得部１３１は、第２特徴量として、第１グループを包含するグループのユーザの特徴量を取得する。例えば、第１グループが優良顧客、第２グループが優良顧客を包含する既存顧客であるとする。この場合、取得部１３１は、第１特徴量として、優良顧客の検索クエリの優良顧客における出現確率の重みを取得する。そして、取得部１３１は、第２特徴量として、優良顧客を包含する既存顧客の検索クエリの優良顧客を包含する既存顧客における出現確率の重みを取得する。また、例えば、第１グループが既存顧客、第２グループが顧客ではない一般ユーザであるとする。この場合、取得部１３１は、第１特徴量として、既存顧客の検索クエリの既存顧客における出現確率の重みを取得する。そして、取得部１３１は、第２特徴量として、顧客ではない一般ユーザの検索クエリの顧客ではない一般ユーザにおける出現確率の重みを取得する。

取得部１３１は、第２特徴量として、第１特徴量を取得したのとは異なる時期における第１グループの第１ユーザの特徴量を取得する。例えば、取得部１３１は、第１グループの第１ユーザの第１検索クエリの第１グループにおける出現確率の重みを２０１７年９月に取得する。そして、取得部１３１は、第１グループの第１ユーザの第２検索クエリの第１グループにおける出現確率の重みを２０１７年１２月に取得する。

（抽出部１３２）
抽出部１３２は、取得部１３１によって取得された第１特徴量と取得部１３１によって取得された第２特徴量とに基づいて得られる特徴量である第１グループの第１ユーザの第３特徴量を抽出する。抽出部１３２は、取得部１３１によって取得された第１特徴量と取得部１３１によって取得された第２特徴量との差分をとることにより、第３特徴量を抽出する。具体的には、抽出部１３２は、取得部１３１によって取得された第１グループの第１ユーザと第１ユーザに関する各要素との各関連度と第２グループの第２ユーザと第２ユーザに関する各要素との各関連度との差分をとることにより、第１グループの第１ユーザの第３特徴量として、各要素の各関連度の差分を抽出する。そして、抽出部１３２は、各要素の各関連度の差分の値が大きい要素を第３要素として抽出する。そして、抽出装置１００は、第１グループの第１ユーザに特有の要素を第３要素として抽出する。

例えば、抽出部１３２は、第１特徴量である第１検索クエリの第１グループにおける出現確率の重みと第２特徴量である第２検索クエリの第２グループにおける出現確率の重みとの差分をとることにより、第１グループの第１ユーザの第３特徴量として各検索クエリの出現確率の重みの差分を抽出する。続いて、抽出部１３２は、抽出した出現確率の重みの差分の値が大きい順に検索クエリを並べる。抽出部１３２は、抽出した出現確率の重みの差分の値が大きい順に検索クエリに順位を付けてもよい。そして、抽出部１３２は、各検索クエリの出現確率の重みの差分の値が大きい検索クエリを第３検索クエリとして抽出する。

抽出部１３２は、抽出した出現確率の重みの差分の値が、正の値であって絶対値が大きい検索クエリほど、第１グループの第１ユーザのみによって検索される確率が高い検索クエリであるから、第１グループの第１ユーザに特有の検索クエリであると判定する。すなわち、抽出部１３２は、出現確率の重みの差分の値が、正の値であって絶対値が大きいほど、第１グループの第１ユーザに特有の検索クエリであると判定する。したがって、抽出装置１００は、出現確率の重みの差分の値が正の値であって絶対値が大きい検索クエリを第３検索クエリとして抽出する。

なお、抽出部１３２は、抽出した出現確率の重みの差分の値が、負の値であって絶対値が大きい検索クエリほど、第１グループの第１ユーザのみによって検索される確率が低い検索クエリであるから、第１グループの第１ユーザに特有の検索クエリではないと判定する。すなわち、抽出部１３２は、出現確率の重みの差分の値が、負の値であって絶対値が大きいほど、第１グループの第１ユーザに特有の検索クエリではないと判定する。したがって、抽出装置１００は、出現確率の重みの差分の値が負の値であって絶対値が大きい検索クエリは第３検索クエリとして抽出しない。

また、抽出部１３２は、抽出した出現確率の重みの差分の値が０である場合は、第１グループの第１ユーザのみによって検索される確率と第２グループの第２ユーザのみによって検索される確率が同じ検索クエリであるから、第１グループの第１ユーザに特有の検索クエリではないと判定する。すなわち、抽出部１３２は、出現確率の重みの差分の値が０である場合は、第１グループの第１ユーザに特有の検索クエリではないと判定する。したがって、抽出装置１００は、出現確率の重みの差分の値が０である検索クエリは第３検索クエリとして抽出しない。

例えば、抽出部１３２は、取得部１３１によって取得された優良顧客の検索クエリの優良顧客における出現確率の重みと取得部１３１によって取得された既存顧客の検索クエリの既存顧客における出現確率の重みとの差分をとることにより、優良顧客の検索クエリの出現確率の重みの差分を抽出する。そして、抽出部１３２は、各検索クエリの出現確率の重みの差分の値が大きい検索クエリを優良顧客の第３検索クエリとして抽出する。

例えば、抽出部１３２は、取得部１３１によって取得された既存顧客の検索クエリの既存顧客における出現確率の重みと取得部１３１によって取得された顧客ではない一般ユーザの検索クエリの顧客ではない一般ユーザにおける出現確率の重みとの差分をとることにより、既存顧客の検索クエリの出現確率の重みの差分を抽出する。そして、抽出部１３２は、各検索クエリの出現確率の重みの差分の値が大きい検索クエリを既存顧客の第３検索クエリとして抽出する。

（決定部１３３）
決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいてコンテンツの配信を制御する。具体的には、決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいて抽出された第３検索クエリに基づいてコンテンツの配信を制御する。例えば、広告コンテンツに設定されたキーワードに関する情報の送信要求を広告配信サーバ３０に送る。続いて、決定部１３３は、広告コンテンツに設定されたキーワードに関する情報を広告配信サーバ３０から取得する。そして、決定部１３３は、広告コンテンツに設定されたキーワードと抽出部１３２によって抽出された第３検索クエリとに基づいてコンテンツの配信を制御する。

決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいて配信対象のコンテンツを決定する。具体的には、決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいて抽出された第３検索クエリに基づいて配信対象のコンテンツを決定する。決定部１３３は、取得部１３１によって取得された第２特徴量と抽出部１３２によって抽出された第３特徴量とに基づいて、第３特徴量と類似する特徴量を有する第２グループのユーザに対する配信対象のコンテンツを決定する。例えば、決定部１３３は、取得部１３１によって取得された第２検索クエリと抽出部１３２によって抽出された第３検索クエリとに基づいて、第３検索クエリと類似する検索クエリを入力した第２グループの第２ユーザに対する配信対象のコンテンツを決定する。例えば、決定部１３３は、第３検索クエリと類似するキーワードが設定された広告コンテンツを第２グループの第２ユーザに対する配信対象のコンテンツとして決定する。

また、決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいてコンテンツの配信先を決定する。具体的には、決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいて抽出された第３検索クエリに基づいてコンテンツの配信先を決定する。決定部１３３は、取得部１３１によって取得された第２特徴量と抽出部１３２によって抽出された第３特徴量とに基づいて、第３特徴量と類似する特徴量を有する第２グループのユーザをコンテンツの配信先として決定する。例えば、決定部１３３は、取得部１３１によって取得された第２検索クエリと抽出部１３２によって抽出された第３検索クエリとに基づいて、第３検索クエリと類似する検索クエリを入力した第２グループの第２ユーザをコンテンツの配信先として決定する。

また、決定部１３３は、第３検索クエリのなかから、重み順に並べた順位が所定の順位以内である検索クエリに基づいて、配信対象の広告コンテンツを決定してもよい。例えば、決定部１３３は、配信対象の広告コンテンツとして、重み順に並べた順位が所定の順位以内であるような第３検索クエリと類似するキーワードが設定されている広告コンテンツを決定してもよい。また、決定部１３３は、第３検索クエリのなかから、重み順に並べた順位が所定の順位以内である検索クエリに基づいて、広告コンテンツの配信先を決定してもよい。

また、決定部１３３は、第３検索クエリのなかから、算出した重みが所定の閾値以上である検索クエリに基づいて、配信対象の広告コンテンツを決定してもよい。例えば、決定部１３３は、配信対象の広告コンテンツとして、算出した重みが所定の閾値以上であるような第３検索クエリと類似するキーワードが設定されている広告コンテンツを決定してもよい。また、決定部１３３は、第３検索クエリのなかから、算出した重みが所定の閾値以上である検索クエリに基づいて、広告コンテンツの配信先を決定してもよい。

また、決定部１３３は、抽出部１３２によって抽出された優良顧客の第３検索クエリに基づいて配信対象の広告コンテンツを決定してもよい。例えば、決定部１３３は、優良顧客の第３検索クエリに基づいて、優良顧客の第３検索クエリと同じような検索クエリを入力した既存顧客に対して配信する広告コンテンツを決定してもよい。また、決定部１３３は、抽出部１３２によって抽出された優良顧客の第３検索クエリに基づいて広告コンテンツの配信先を決定してもよい。例えば、決定部１３３は、既存顧客のうち、優良顧客の第３検索クエリと同じような検索クエリを入力した既存顧客を広告コンテンツの配信先として決定してもよい。

また、決定部１３３は、抽出部１３２によって抽出された既存顧客の第３検索クエリに基づいて配信対象の広告コンテンツを決定してもよい。例えば、決定部１３３は、既存顧客の第３検索クエリに基づいて、既存顧客の第３検索クエリと同じような検索クエリを入力した顧客ではない一般ユーザに対して配信する広告コンテンツを決定してもよい。また、決定部１３３は、抽出部１３２によって抽出された既存顧客の第３検索クエリに基づいて広告コンテンツの配信先を決定してもよい。例えば、決定部１３３は、顧客ではない一般ユーザのうち、既存顧客の第３検索クエリと同じような検索クエリを入力した顧客ではない一般ユーザを広告コンテンツの配信先として決定してもよい。

〔３．抽出処理のフロー〕
次に、図５を用いて、実施形態に係る抽出処理の手順について説明する。図５は、実施形態に係る抽出処理手順を示すフローチャートである。

図５に示すように、抽出装置１００は、第１グループのユーザの検索クエリを取得する（ステップＳ１０１）。

続いて、抽出装置１００は、各検索クエリの第１グループにおける出現確率の重みを算出する（ステップＳ１０２）。

続いて、抽出装置１００は、第２グループのユーザの検索クエリを取得する（ステップＳ１０３）。

続いて、抽出装置１００は、各検索クエリの第２グループにおける出現確率の重みを算出する（ステップＳ１０４）。

続いて、抽出装置１００は、各検索クエリの第１グループにおける出現確率の重みから各検索クエリの第２グループにおける出現確率の重みを引いて、各検索クエリの出現確率の重みの差分を抽出する（ステップＳ１０５）。

〔４．変形例〕
上述した実施形態に係る抽出システム１は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、抽出システム１の他の実施形態について説明する。

〔４−１．差分ベクトルの大きさに基づいてターゲットユーザを決定する〕
図４を用いて、変形例に係る決定処理の一例について説明する。図４は、変形例に係る決定処理の一例を示す図である。図４では、抽出装置１００が、所定のグループのユーザの特徴量ベクトルと他のグループのユーザの特徴量ベクトルとの差分ベクトルの大きさに基づいて、ターゲットユーザを決定する例を示す。

図４に示す例は、第１グループ〜第３グループのユーザの検索クエリの各グループにおける出現確率の重みがＮ次元の特徴量ベクトル空間に点で表されている。図４に示す縦軸や横軸は、具体的には、個々の検索クエリであってもよいし、あるいは、同義と扱われる検索クエリのグループであってもよい。図４に示す縦軸や横軸は、例えば、「野球」という一つの検索クエリであってもよいし、あるいは、ひらがなの「すいか」とカタカナの「スイカ」と漢字の「西瓜」を同義のものとして扱う検索クエリのグループであってもよい。

抽出装置１００は、第１グループの第１ユーザの特徴量ベクトルとして、事業者Ｚの既存顧客の検索クエリの事業者Ｚの既存顧客における出現確率の重みを取得する。また、抽出装置１００は、第２グループの第２ユーザの特徴量ベクトルとして、事業者Ｚの競合他社である事業者Ｗの既存顧客の検索クエリの事業者Ｗの既存顧客における出現確率の重みを取得する。また、抽出装置１００は、第３グループのユーザの特徴量ベクトルとして、事業者Ｚの競合他社である事業者Ｖの既存顧客の検索クエリの事業者Ｖの既存顧客における出現確率の重みを取得する。

続いて、抽出装置１００は、事業者Ｚの既存顧客の検索クエリの事業者Ｚの既存顧客における出現確率の重みと事業者Ｗの既存顧客の検索クエリの事業者Ｗの既存顧客における出現確率の重みとの差分をとることにより、両者の差分ベクトルを算出する。また、抽出装置１００は、事業者Ｚの既存顧客の検索クエリの事業者Ｚの既存顧客における出現確率の重みと事業者Ｖの既存顧客の検索クエリの事業者Ｖの既存顧客における出現確率の重みとの差分をとることにより、両者の差分ベクトルを算出する。

図４に示すとおり、第１グループである事業者Ｚの既存顧客の検索クエリの事業者Ｚの既存顧客における出現確率の重みと第２グループである事業者Ｗの既存顧客の検索クエリの事業者Ｗの既存顧客における出現確率の重みとの差分ベクトルの大きさよりも、第１グループである事業者Ｚの既存顧客の検索クエリの事業者Ｚの既存顧客における出現確率の重みと第３グループである事業者Ｖの既存顧客の検索クエリの事業者Ｖの既存顧客における出現確率の重みとの差分ベクトルの大きさの方が小さい。

したがって、抽出装置１００は、事業者Ｚの既存顧客と事業者Ｗの既存顧客との類似度よりも、事業者Ｚの既存顧客と事業者Ｖの既存顧客との類似度の方が高いと判定する。そして、抽出装置１００は、事業者Ｚの競合他社の既存顧客を新規顧客として獲得するため、事業者Ｚの既存顧客との類似度がより高い事業者Ｖの既存顧客をターゲットユーザとして決定する。

〔４−２．検索クエリそのものの差分に基づいて決定する〕
図１に示す例では、抽出装置１００は、検索クエリごとに出現確率の重みの差分を抽出する例を示したが、検索クエリそのものの差分を抽出してもよい。具体的には、抽出装置１００は、第１グループの第１ユーザによって入力された第１検索クエリを検索サーバ２０から取得する。例えば、抽出装置１００は、第１検索クエリとして、検索クエリＱ１１、検索クエリＱ１２、…、検索クエリＱ１５、検索クエリＱ１６、検索クエリＱ１７、…、検索クエリＱ２０、…を検索サーバ２０から取得する。

続いて、抽出装置１００は、第２グループの第２ユーザによって入力された第２検索クエリを検索サーバ２０から取得する。例えば、抽出装置１００は、第２検索クエリとして、検索クエリＱ１６、検索クエリＱ１７、…、検索クエリＱ２０、…を検索サーバ２０から取得する。

続いて、抽出装置１００は、第１グループの第１ユーザの第１検索クエリから第２グループの第２ユーザの第２検索クエリと共通する検索クエリを除くことにより、第１グループの第１ユーザの第３検索クエリを抽出する。例えば、抽出装置１００は、第１グループの第１ユーザの第３検索クエリとして、検索クエリＱ１１、検索クエリＱ１２、…、検索クエリＱ１５、…を抽出する。このように、抽出装置１００は、第１グループの第１ユーザの第１検索クエリと第２グループの第２ユーザの第２検索クエリとの差分をとることにより、第１グループの第１ユーザの第３検索クエリを抽出する。

続いて、抽出装置１００は、抽出した第１グループの第１ユーザの第３検索クエリに基づいて、広告コンテンツの配信先を決定する。

また、抽出装置１００は、抽出した第１グループの第１ユーザの第３検索クエリに関連する広告コンテンツを配信対象の広告コンテンツとして決定する。このように、抽出装置１００は、抽出した第１グループの第１ユーザの第３検索クエリに基づいて、配信対象の広告コンテンツを決定する。

続いて、抽出装置１００は、第１グループの第１ユーザの第３検索クエリに基づいて決定した広告コンテンツの配信先と広告コンテンツとを広告配信サーバ３０に送信する。

上述したように、抽出装置１００は、第１グループの第１ユーザの第１特徴量として、第１グループの第１ユーザによって入力された検索クエリを取得する。また、抽出装置１００は、第２グループの第２ユーザの特徴量であって第１特徴量と異なる第２特徴量として、第２グループの第２ユーザによって入力された検索クエリを取得する。そして、抽出装置１００は、第１グループの第１ユーザの第１検索クエリと第２グループの第２ユーザの第２検索クエリとの差分をとることにより、第１グループの第１ユーザの第３検索クエリを抽出する。

このように、抽出装置１００は、第１グループの第１ユーザの第１検索クエリから第２グループの第２ユーザの第２検索クエリと共通する検索クエリを除くことにより、第１グループの第１ユーザに特有の検索クエリである第３検索クエリを高精度に抽出することができる。また、第１グループの第１ユーザに特有の検索クエリである第３検索クエリは、第１グループの第１ユーザの特徴を反映する情報である。したがって、抽出装置１００は、特定のユーザ群の特徴を高精度に抽出することができる。

〔５．効果〕
上述してきたように、実施形態に係る抽出装置１００は、取得部１３１と、抽出部１３２とを有する。取得部１３１は、第１グループの第１ユーザの第１特徴量と第２グループの第２ユーザの特徴量であって第１特徴量と異なる第２特徴量を取得する。抽出部１３２は、取得部１３１によって取得された第１特徴量と取得部１３１によって取得された第２特徴量とに基づいて得られる特徴量である第１グループの第１ユーザの第３特徴量を抽出する。また、抽出部１３２は、取得部１３１によって取得された第１特徴量と取得部１３１によって取得された第２特徴量との差分をとることにより、第３特徴量を抽出する。

このように、実施形態に係る抽出装置１００は、第１グループの第１ユーザの第１特徴量から第２グループの第２ユーザの第２特徴量と共通する特徴量を除くことにより、第１グループの第１ユーザに特有の第３特徴量を高精度に抽出することができる。また、第１グループの第１ユーザに特有の第３特徴量は、第１グループの第１ユーザの特徴を反映する情報である。したがって、抽出装置１００は、特定のユーザ群の特徴を高精度に抽出することができる。

また、取得部１３１は、第１特徴量として、第１グループの第１ユーザと第１ユーザに関する各要素との各関連度を取得し、第２特徴量として、第２グループの第２ユーザと第２ユーザに関する各要素との各関連度を取得する。また、抽出部１３２は、取得部１３１によって取得された第１グループにおける各関連度と第２グループにおける各関連度との差分をとることにより、第１グループの第１ユーザの第３特徴量を抽出する。

このように、実施形態に係る抽出装置１００は、グループ間で各要素の各関連度の差分を抽出することにより、第１グループの第１ユーザのみに関連度が高い第３要素を抽出することができる。これにより、抽出装置１００は、第１グループの第１ユーザに特有の要素である第３要素を高精度に抽出することができる。また、第１グループの第１ユーザに特有の要素である第３要素は、第１グループの第１ユーザの特徴を反映する情報である。したがって、抽出装置１００は、特定のユーザ群の特徴を高精度に抽出することができる。

また、取得部１３１は、第２特徴量として、第１グループを包含するグループのユーザの特徴量を取得する。

これにより、抽出装置１００は、第２グループに包含される第１グループの第１ユーザの特徴を高精度に抽出することができる。

また、取得部１３１は、第２特徴量として、第１特徴量を取得したのとは異なる時期における第１グループの第１ユーザの特徴量を取得する。

これにより、抽出装置１００は、同一グループのユーザについて時期のトレンドを反映した特徴を高精度に抽出することができる。

また、実施形態に係る抽出装置１００は、抽出部１３２によって抽出された第３特徴量に基づいてコンテンツの配信を制御する決定部１３３をさらに有する。具体的には、決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいて配信対象のコンテンツを決定する。また、決定部１３３は、抽出部１３２によって抽出された第３特徴量に基づいてコンテンツの配信先を決定する。例えば、決定部１３３は、取得部１３１によって取得された第２特徴量と抽出部１３２によって抽出された第３特徴量とに基づいて、第３特徴量と類似する特徴量を有する第２グループの第２ユーザに対する配信対象のコンテンツを決定する。また、決定部１３３は、取得部１３１によって取得された第２特徴量と抽出部１３２によって抽出された第３特徴量とに基づいて、第３特徴量と類似する特徴量を有する第２グループの第２ユーザをコンテンツの配信先として決定する。

これにより、抽出装置１００は、第２グループの第２ユーザのうち、第１グループの第１ユーザと類似する特徴を有するユーザをターゲットユーザとして決定することができる。したがって、抽出装置１００は、第２グループの第２ユーザのうち、第１グループの第１ユーザと類似する特徴を有するユーザをターゲットユーザとして決定することにより、第２グループから第１グループの新しいユーザを獲得することができる。そして、抽出装置１００は、第２グループの第２ユーザのうち、第１グループの第１ユーザと類似する特徴を有するユーザをターゲットユーザとして決定することにより、第２グループから第１グループへのアップセル、クロスセルを促すことができる。

また、取得部１３１は、第１特徴量および第２特徴量として、第１グループの第１ユーザおよび第２グループの第２ユーザが入力した検索クエリに関する情報を取得する。

検索クエリはユーザのトレンドを高精度に反映する。したがって、抽出装置１００は、特定のユーザ群のトレンドを反映する特徴を高精度に抽出することができる。

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る抽出装置１００は、例えば図６に示すような構成のコンピュータ１０００によって実現される。図６は、抽出装置１００の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、係るプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定の通信網を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを所定の通信網を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、係るプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る抽出装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムまたはデータを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムまたはデータを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムまたはデータを取得してもよい。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

〔７．その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、抽出部は、抽出手段や抽出回路に読み替えることができる。

１ 抽出システム
２０ 検索サーバ
３０ 広告配信サーバ
１００ 抽出装置
１２１ 検索クエリ記憶部
１３１ 取得部
１３２ 抽出部
１３３ 決定部

Claims (9)

1. 第１グループのユーザが入力した検索クエリの履歴に関する情報である第１検索情報と前記第１グループとは異なる第２グループのユーザが入力した検索クエリの履歴に関する情報である第２検索情報とを、検索サーバから、通信部を介して取得し、取得した第１検索情報に基づいて、前記第１グループのユーザの第１特徴量を検索クエリ毎に算出すると共に、取得した第２検索情報に基づいて、前記第２グループのユーザの第２特徴量を検索クエリ毎に算出する取得部と、
   前記取得部によって算出された前記第１特徴量と前記第２特徴量とに基づいて得られる特徴量である前記第１グループのユーザの第３特徴量として、前記第１特徴量と前記第２特徴量との差分を検索クエリ毎に抽出し、検索クエリ毎に抽出した第３特徴量の値に基づいて、前記第１グループのユーザの特徴を示す検索クエリを抽出する抽出部と、
   前記取得部によって取得された第２検索情報に基づいて、前記第２グループのユーザのうち、前記抽出部によって抽出された検索クエリを入力した履歴を有するユーザをコンテンツの配信先として決定すると共に、前記抽出部によって抽出された検索クエリに関するコンテンツを配信対象のコンテンツとして配信することを決定する決定部と、
   を備えることを特徴とする抽出装置。
2. 前記取得部は、
   前記第１特徴量として、前記第１グループのユーザと当該ユーザに関する各検索クエリとの各関連度を取得し、前記第２特徴量として、前記第２グループのユーザと当該ユーザに関する各検索クエリとの各関連度を取得し、
   前記抽出部は、
   前記取得部によって取得された前記第１グループにおける各関連度と前記第２グループにおける各関連度との差分をとることにより、前記第１グループのユーザの第３特徴量を抽出する
   ことを特徴とする請求項１に記載の抽出装置。
3. 前記取得部は、
   前記第２特徴量として、前記第１グループを包含するグループのユーザの特徴量を取得する
   ことを特徴とする請求項１または２に記載の抽出装置。
4. 前記取得部は、
   前記第２特徴量として、前記第１特徴量を取得したのとは異なる時期における第１グループのユーザの特徴量を取得する
   ことを特徴とする請求項１〜３のいずれか１つに記載の抽出装置。
5. 前記取得部は、
   前記第１検索情報として、所定の事業者における優良顧客の顧客リストに掲載されたユーザである優良顧客が入力した検索クエリの履歴に関する情報と、前記第２検索情報として、前記所定の事業者における既存顧客の顧客リストに掲載されたユーザである既存顧客が入力した検索クエリの履歴に関する情報とを、検索サーバから、通信部を介して取得し、取得した第１検索情報に基づいて、前記優良顧客の第１特徴量を検索クエリ毎に算出すると共に、取得した第２検索情報に基づいて、前記既存顧客の第２特徴量を検索クエリ毎に算出し、
   前記抽出部は、
   前記取得部によって算出された前記第１特徴量と前記第２特徴量とに基づいて得られる特徴量である前記優良顧客の第３特徴量として、前記第１特徴量と前記第２特徴量との差分を検索クエリ毎に抽出し、抽出した第３特徴量の値に基づいて、前記優良顧客の特徴を示す検索クエリを抽出し、
   前記決定部は、
   前記既存顧客のうち、前記抽出部によって抽出された検索クエリを入力した履歴を有する既存顧客をコンテンツの配信先として決定すると共に、前記抽出部によって抽出された検索クエリに関するコンテンツを配信対象のコンテンツとして配信することを決定する
   ことを特徴とする請求項１〜４のいずれか一つに記載の抽出装置。
6. 前記取得部は、
   前記第１検索情報として、所定の事業者における既存顧客の顧客リストに掲載されたユーザである既存顧客が入力した検索クエリの履歴に関する情報と、前記第２検索情報として、前記所定の事業者における一般ユーザのリストに掲載されたユーザである一般ユーザが入力した検索クエリの履歴に関する情報とを、検索サーバから、通信部を介して取得し、取得した第１検索情報に基づいて、前記既存顧客の第１特徴量を検索クエリ毎に算出すると共に、取得した第２検索情報に基づいて、前記一般ユーザの第２特徴量を検索クエリ毎に算出し、
   前記抽出部は、
   前記取得部によって算出された前記第１特徴量と前記第２特徴量とに基づいて得られる特徴量である前記既存顧客の第３特徴量として、前記第１特徴量と前記第２特徴量との差分を検索クエリ毎に抽出し、抽出した第３特徴量の値に基づいて、前記既存顧客の特徴を示す検索クエリを抽出し、
   前記決定部は、
   前記一般ユーザのうち、前記抽出部によって抽出された検索クエリを入力した履歴を有する一般ユーザをコンテンツの配信先として決定すると共に、前記抽出部によって抽出された検索クエリに関するコンテンツを配信対象のコンテンツとして配信することを決定する
   ことを特徴とする請求項１〜５のいずれか一つに記載の抽出装置。
7. 前記取得部は、
   前記第１特徴量および前記第２特徴量として、前記第１グループのユーザおよび前記第２グループのユーザが入力した検索クエリに関する情報を取得する
   ことを特徴とする請求項１〜６のいずれか１つに記載の抽出装置。
8. コンピュータが実行する抽出方法であって、
   第１グループのユーザが入力した検索クエリの履歴に関する情報である第１検索情報と前記第１グループとは異なる第２グループのユーザが入力した検索クエリの履歴に関する情報である第２検索情報とを、検索サーバから、通信部を介して取得し、取得した第１検索情報に基づいて、前記第１グループのユーザの第１特徴量を検索クエリ毎に算出すると共に、取得した第２検索情報に基づいて、前記第２グループのユーザの第２特徴量を検索クエリ毎に算出する取得工程と、
   前記取得工程によって算出された前記第１特徴量と前記第２特徴量とに基づいて得られる特徴量である前記第１グループのユーザの第３特徴量として、前記第１特徴量と前記第２特徴量との差分を検索クエリ毎に抽出し、抽出した第３特徴量の値に基づいて、前記第１グループのユーザの特徴を示す検索クエリを抽出する抽出工程と、
   前記取得工程によって取得された第２検索情報に基づいて、前記第２グループのユーザのうち、前記抽出工程によって抽出された検索クエリを入力した履歴を有するユーザをコンテンツの配信先として決定すると共に、前記抽出工程によって抽出された検索クエリに関するコンテンツを配信対象のコンテンツとして配信することを決定する決定工程と、
   を含むことを特徴とする抽出方法。
9. 第１グループのユーザが入力した検索クエリの履歴に関する情報である第１検索情報と前記第１グループとは異なる第２グループのユーザが入力した検索クエリの履歴に関する情報である第２検索情報とを、検索サーバから、通信部を介して取得し、取得した第１検索情報に基づいて、前記第１グループのユーザの第１特徴量を検索クエリ毎に算出すると共に、取得した第２検索情報に基づいて、前記第２グループのユーザの第２特徴量を検索クエリ毎に算出する取得手段と、
   前記取得手段によって算出された前記第１特徴量と前記第２特徴量とに基づいて得られる特徴量である前記第１グループのユーザの第３特徴量として、前記第１特徴量と前記第２特徴量との差分を検索クエリ毎に抽出し、抽出した第３特徴量の値に基づいて、前記第１グループのユーザの特徴を示す検索クエリを抽出する抽出手段と、
   前記取得手段によって取得された第２検索情報に基づいて、前記第２グループのユーザのうち、前記抽出手段によって抽出された検索クエリを入力した履歴を有するユーザをコンテンツの配信先として決定すると共に、前記抽出手段によって抽出された検索クエリに関するコンテンツを配信対象のコンテンツとして配信することを決定する決定手段と、
   をコンピュータに実行させることを特徴とする抽出プログラム。

Images