JP6848883B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Description

本開示は、情報処理装置、情報処理方法、およびプログラムに関する。

従来、定額動画配信サービス契約や保険契約などの、継続的な契約から収益を得るサービスでは、ユーザとの契約状態を維持することが安定的な売り上げに繋がる。そこで、契約維持のために、顧客宛の電話や郵送物送付等による離脱防止の施策が行われている。この際、顧客全員に離脱防止施策を実施すると、離脱防止により得られる利益よりも離脱防止施策のコストが高くなってしまうため、マーケティング担当者が契約を離脱する可能性が高いと考える顧客群を選び出し、その顧客群に対して離脱防止施策を実施している。

ここで、マーケティング施策に関し、下記特許文献１の段落［０００２］〜［０００５］では、顧客生涯価値を最大化するようなマーケティング・アクションの最大化手法として、マルコフ決定過程（Markov decision Process：ＭＤＰと略す）を用いた手法が有益であって、マルコフ性を持った顧客状態を学習する場合、隠れマルコフモデル（ＨＭＭと略す）を用いる旨が記載されている。

特開２００８−１５２３２１号公報

しかしながら、顧客の契約からの離脱確率のみを離脱防止施策の対象顧客の選択に利用した場合、施策効果が低い顧客に対しても離脱防止施策を実施してしまっていた。

そこで、本開示では、顧客の継続状態を目的の状態へ導くための施策が成功する指標を提示することが可能な情報処理装置、情報処理方法、およびプログラムを提案する。

本開示によれば、顧客の継続状態の変化を示す過去情報と、変化が生じた顧客に対して目的の状態へ導く施策を実施したか否かを示す過去情報と、に基づいて算出された、前記目的の状態へ導くための施策が成功する指標を出力する出力部を備える、情報処理装置を提案する。

本開示によれば、プロセッサが、顧客の継続状態の変化を示す過去情報と、変化が生じた顧客に対して目的の状態へ導く施策を実施したか否かを示す過去情報と、に基づいて算出された、前記目的の状態へ導く施策が成功する指標を出力するよう制御することを含む、情報処理方法を提案する。

本開示によれば、顧客の継続状態の変化を示す過去情報と、変化が生じた顧客に対して目的の状態へ導く施策を実施したか否かを示す過去情報と、に基づいて算出された、前記目的の状態へ導く施策が成功する指標を出力するよう制御する出力制御部として機能させるための、プログラムを提案する。

以上説明したように本開示によれば、顧客の継続状態を目的の状態へ導くための施策が成功する指標を提示することが可能となる。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態によるシステムの概略的な構成を示す図である。 本開示の一実施形態によるシステムの内部構成を示すブロック図である。 本開示の一実施形態におけるサーバのデータベースおよび処理部の機能構成例を示すブロック図である。 本開示の一実施形態におけるサーバのデータベースおよび処理部の機能構成の他の例を示すブロック図である。 本実施形態による予測モデルのグラフィカルモデルを示す図である。 本実施形態による学習部の動作処理を示すフローチャートである。 本実施形態の学習部による特徴量ベクトルの作成処理を示すフローチャートである。 本実施形態の学習部によるone-of-kベクトルの作成処理を示すフローチャートである。 本実施形態による予測部の動作処理を示すフローチャートである。 本実施形態において表示される顧客一覧画面の一例を示す図である。 本実施形態において表示される顧客一覧画面の他の例を示す図である。 本実施形態において表示される顧客一覧画面の他の例を示す図である。 本実施形態において表示される顧客情報の詳細画面の一例を示す図である。 本実施形態において表示される施策毎の離脱防止確率を算出する際のモデルにおける尤度の算出式を示す図である。 本実施形態による離脱防止確率に影響する項目を提示する画面の一例を示す図である。 本開示の実施形態による情報処理装置のハードウェア構成例を示すブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、説明は以下の順序で行うものとする。
１．本開示の一実施形態によるシステムの概要
１−１．背景
１−２．アルゴリズムの概要
１−３．システム構成
（１−３−１．クライアントの構成）
（１−３−２．サーバの構成）
２．機能構成
２−１．データベースの構成例
２−２．処理部の構成例
３．動作処理
３−１．学習部３３０１の動作処理
３−２．予測部３３０２の動作処理
４．情報提示画面例
５．ハードウェア構成
６．まとめ

＜＜１．本開示の一実施形態によるシステムの概要＞＞
＜１−１．背景＞
近年では、離脱可能性の高い顧客の選択について、契約・顧客データに基づいて機械学習によって離脱確率を予測し、予測した離脱確率の高い順に離脱防止施策を実施することが行われる。この際、契約・顧客データを入力とし、離脱するか否かの分類問題として機械学習を適用する。例えば、下記非特許文献１では、契約が成約するか否かの分類問題を機械学習的に解くことにより、顧客の成約確率を予測する技術について述べられている。かかる技術は、上述の離脱確率の算出に適用することができる。
非特許文献１：”Probabilistic Modeling of a Sales Funnel to Prioritize Leads,” Brendan Duncan
and Charles Elkan, Proceedings of the 21th ACM SIGKDD International Conference
on Knowledge Discovery and Data Mining, Pages 1751-1758, 2015

しかしながら、顧客の契約からの離脱確率のみを離脱防止施策の対象顧客の選択に利用すると、離脱確率は高いが離脱防止施策の効果が低い顧客にも離脱防止施策を実施してしまっていた。また、顧客の離脱確率のみでは、離脱防止施策のリターンを見積もることができないため、離脱防止施策の予算を見積もることができないという問題もあった。

そこで、本実施形態では、顧客の離脱確率に加えて、離脱防止施策が成功する確率を顧客毎に予測することで、上記問題を解決する。すなわち、上位概念としては、顧客の継続状態を目的の状態へ導くための施策（マーケティング施策とも称す）が成功する指標を提示することで、マーケティング担当者が施策の効果が高い顧客を選択することを可能とする。

なお、離脱防止施策を実施した顧客には、離脱防止施策を実施しなくても離脱しなかった顧客が含まれているため、本実施形態では、そのような顧客である確率を算出しそれを考慮して離脱防止施策が成功する確率を算出しうる。

このような本実施形態による施策成功確率の算出アルゴリズムの概要について、以下説明する。

＜１−２．アルゴリズムの概要＞
まず、顧客の継続状態を目的の状態へ導くための施策（マーケティング施策とも称す）が成功する指標の算出アルゴリズムについて説明する。例えば、本実施形態によるシステムは、ある時点（時点t）で顧客毎に下記データエントリを生成し、その集合を機械学習の学習データとして使用する。

なお、以下では、施策が１つである場合について説明するが、本実施形態はこれに限定されず、複数の施策や複数の顧客状態の変化を考慮してもよい。また、複数の施策の組み合わせを１つの施策とみなしてもよい。

次いで、本実施形態によるシステムは、ある施策を実施した場合に各顧客の状態変化が起こる確率を下記の特徴を持った確率モデルを利用し、上述した学習データに基づいて推定する（パラメータを決定する）。

具体的には、本実施形態によるシステムは、施策を実施しなかった場合に各顧客の状態変化が起こる確率をx_iとパラメータの確率関数であるp(a→b|x_i)で表す。ここで、顧客の状態が状態aから状態bへ変化したとし、その変化をa→bと表す。また、各顧客の状態変化を施策によって引き起こす確率をx_iとパラメータの確率関数であるp'(a→b|x_i)で表す。

そして、本実施形態によるシステムは、『ある状態へ促す施策が成功する指標』として、施策を実施した場合に各顧客の状態変化が起こる確率をp(a→b|x_i)とp'(a→b|x_i)の関数によって算出し、提示する。マーケティング担当者は、このように算出された確率に対応するスコアの大きい順に施策を実施する顧客を選択することで、施策により状態変化が起こる可能性の高い顧客に施策を実施することができる。

また、顧客状態をa_targetに導く目的で施策を実施する場合、顧客を下記式１で算出される確率のスコアの昇順で選択しうる。下記式１において、a_iは顧客の現在の状態を表し、a'は目的ではない状態を表す。なお、目的の状態a_targetは、例えば契約内容のランクアップ等、現在の状態からは離脱するが、収益が上がる新たな契約への移行が想定される。

以下に説明する実施形態では、上述した顧客の状態変化を促すマーケティング施策の具体例として、『継続的な契約を維持するための離脱防止マーケティング施策』を用いて説明する。

この場合、本実施形態によるシステムは、ある時点で顧客毎に、「契約を離脱したか否か、施策を実施したか否か、契約・顧客データ」のデータエントリを生成し、機械学習の学習データとして使用する。契約・顧客データのデータエントリとしては、特徴量をベクトル化したものを用いる。例えば顧客iの契約・顧客データを特徴量ベクトル化したものをx_iとする。

次いで、本実施形態によるシステムは、離脱防止施策を行わない場合に離脱する確率をp₁(x_i)、離脱防止施策により離脱を防止できる確率をp₂(x_i)、離脱防止施策によっても継続の意思が変わらない確率をp₃(x_i)とし、各事象を下記表１のように表現する。この表現に基づき、学習データから最尤推定によりp₁(x_i)とp₂(x_i)、p₃(x_i)を予測しうる。

そして、本実施形態によるシステムは、離脱防止施策が成功する指標として、{p₁(x_i)×p₂(x_i)+(1−p₁(x_i))×p₃(x_i)}−{1−p₁(x_i)}を算出し、提示する。マーケティング担当者は、このように算出された確率（すなわち、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」）に対応するスコアの大きい順に離脱防止施策を実施する顧客を選択することで、離脱防止施策により契約の離脱を防止できる可能性の高い顧客に施策を実施することができる。

上記表１に示す確率モデルの応用例として、電話による離脱防止施策の有無と契約状態の変化における各パターンの顧客構成について下記表２に示す。

本実施形態では、例えば年額定額制動画配信Ｗｅｂサービスの離脱防止マーケティング施策を例に説明する。年額定額制動画配信Ｗｅｂサービスは、例えば１年ごとの契約制になっており、年額の契約金の支払いによりサービスが提供する動画を１年間自由にＷｅｂサイトから視聴できるサービスである。契約からの離脱を防止するマーケティング施策としては、郵送によるギフト付きクーポンの配付を行うことを考える。クーポンに記載されたクーポンIDをＷｅｂサービスの指定の画面で入力すると年額契約金の割引を受けることができるものとする。クーポンを記載したギフト付き郵送物の作成と郵送にはコストがかかるため、コストに見合う顧客のみにクーポン（以下、単にクーポンと称す）を郵送する必要がある。例えば月に一度、今後１カ月以内に契約更新となる顧客を対象にクーポンによるマーケティング施策を実施することを想定する。以下に説明する実施形態では、クーポンを郵送する顧客を効果的に選択できるシステムについて説明する。システムのユーザはクーポンを郵送する顧客を選択するマーケティング担当者を想定する。

続いて、本実施形態によるシステムの全体構成について説明する。

＜１−３．システム構成＞
図１は、本開示の一実施形態によるシステムの概略的な構成を示す図である。図１を参照すると、本実施形態に係るシステム１０は、クライアント１００と、サーバ３００とを含む。クライアント１００とサーバ３００とは、ネットワーク２００によって接続され、相互に通信が可能である。

クライアント１００は、例えば、スマートフォン１００ａ、パーソナルコンピュータ１００ｂ、およびタブレット１００ｃなどを含みうる。クライアント１００は、図示された例には限らず、ユーザとの間で情報を入出力する機能を有するあらゆる種類の端末装置を含みうる。クライアント１００は、ユーザに情報を出力するために、例えば画像または音声などを用いる。また、クライアント１００は、ユーザからの情報の入力を、端末装置の操作入力、発話を示す音声、またはジェスチャ若しくは視線を示す画像などによって受け付けてもよい。

サーバ３００は、ネットワーク上の１または複数のサーバ装置を含む。複数のサーバ装置が協働して以下で説明するサーバ３００の機能を実現する場合、複数のサーバ装置の全体が、単一の情報処理装置として扱われてもよい。あるいは、サーバ装置の少なくとも一部は、以下で説明するサーバ３００のオペレータとは異なるオペレータによって運用されてもよい。このような場合、以下の説明では、サーバ３００の一部が、システム１０に含まれない外部サーバとして参照されうる。本実施形態において、サーバ装置の少なくとも一部は、データベース３１０を有する。データベース３１０には、顧客や顧客の契約情報に関する情報が格納される。

ネットワーク２００は、例えば、インターネット、ＬＡＮ（Local Area Network）、または携帯電話網など、有線または無線の各種のネットワークを含む。ネットワーク２００は、クライアント１００とサーバ３００とを接続するとともに、サーバ３００に含まれる複数のサーバ装置を接続してもよい。ネットワーク２００に複数の種類のネットワークが含まれるような場合、ネットワーク２００は、それらのネットワークを互いに接続するルータやハブなどを含んでもよい。

図２は、本開示の一実施形態に係るシステムの内部構成を示すブロック図である。図２を参照すると、クライアント１００は、ローカルストレージ１１０と、通信部１２０と、処理部１３０と、入出力部１４０とを含みうる。サーバ３００は、データベース３１０と、通信部３２０と、処理部３３０とを含みうる。以下、それぞれの機能構成についてさらに説明する。なお、クライアント１００として機能する端末装置、およびサーバ３００に含まれる１または複数のサーバ装置は、例えば後述する情報処理装置のハードウェア構成によって実現される。

（１−３−１．クライアントの構成）
ローカルストレージ１１０は、例えば端末装置が有するメモリまたはストレージによって実現される。ローカルストレージ１１０には、例えば、ネットワーク２００を介してサーバ３００から提供された情報や、入出力部１４０を介してユーザによって入力された情報が、一時的または持続的に格納される。ローカルストレージ１１０に格納された情報を利用して、ユーザは、オフラインでもサーバ３００から提供された情報を参照したり、サーバ３００に提供する情報の下書きを入力したりすることができる。

通信部１２０は、ネットワーク２００を介してサーバ３００と通信する。通信部１２０は、例えばクライアント１００が接続されるネットワークでの通信を実行する通信装置によって実現される。

処理部１３０は、例えば端末装置が有するＣＰＵ（Central Processing Unit）のようなプロセッサによって実現される。例えば、処理部１３０は、入出力部１４０を介してユーザによって入力された情報に基づいて、通信部１２０を介してサーバ３００に情報を要求する処理を実行する。また、例えば、処理部１３０は、通信部１２０を介してサーバ３００から提供された情報に基づいて、入出力部１４０を介してユーザに情報を出力する処理を実行する。このとき、処理部１３０は、提供された情報を、入出力部１４０の種類に応じて適切な形式に変換する処理を実行してもよい。

入出力部１４０は、例えば端末装置が有するタッチパネル、マウス、キーボード、マイクロフォン、またはカメラ（撮像装置）のような入力装置と、ディスプレイまたはスピーカのような出力装置とによって実現される。なお、入出力部１４０は、入力装置または出力装置のいずれか一方だけを含んでもよい。例えば、入出力部１４０に含まれるディスプレイには、通信部１２０を介してサーバ３００から受信された情報が、処理部１３０による処理を経て表示される。また、例えば、入出力部１４０に含まれるタッチパネルなどによって取得されたユーザの操作入力は、処理部１３０による処理を経て、通信部１２０を介してサーバ３００に送信される。

上記のような処理部１３０および入出力部１４０の機能自体は、例えば一般的な端末装置における処理部および入出力部の機能と同様であるために、以下の本実施形態の説明では詳細に説明されない場合がありうる。しかしながら、そのような場合でも、例えばサーバ３００から受信される情報が特徴的であれば、そうした情報を処理し、また出力するという点において、クライアント１００における処理部１３０または入出力部１４０の機能も、一般的な端末装置におけるそれらの機能に比較して特徴的でありうる。

（１−３−２．サーバの構成）
データベース３１０は、例えばサーバ装置が有するメモリまたはストレージによって実現される。上記の通り、データベース３１０には、顧客や顧客の契約に関する情報が格納される。データベース３１０に格納される情報のより具体的な種類は、サーバ３００によって提供されるサービスの内容によって異なりうる。

通信部３２０は、ネットワーク２００を介してクライアント１００と通信する。また、通信部３２０は、ネットワーク２００を介して外部サーバと通信してもよい。通信部３２０は、例えばサーバ３００が接続されるネットワークでの通信を実行する通信装置によって実現される。

処理部３３０は、例えばサーバ装置が有するＣＰＵのようなプロセッサによって実現される。例えば、処理部３３０は、通信部３２０を介してクライアント１００から受信された情報に基づいて、データベース３１０から情報を取得し、取得された情報を必要に応じて処理した上で、通信部３２０を介してクライアント１００に送信する処理を実行する。

なお、サーバ３００が複数のサーバ装置を含む場合、上述したサーバ３００の機能構成は、複数のサーバ装置に分散して実現されうる。例えば、データベース３１０の機能は、いずれかのサーバ装置で集約的に実現されてもよいし、複数のサーバ装置に分散したデータベースを統合的に運用することによって実現されてもよい。また、例えば、処理部３３０の機能は、複数のサーバ装置に分散したプロセッサを統合的に運用することによって実現されてもよい。この場合、以下で説明する処理部３３０の機能は、説明のために定義された機能ブロックの区分に関わらず、複数のサーバ装置に直列的または並列的に分散して実現されうる。

＜＜２．機能構成＞＞
続いて、サーバ３００のデータベース３１０および処理部３３０の機能構成について図３およびを参照して説明する。

図３は、本開示の一実施形態におけるサーバのデータベースおよび処理部の機能構成例を示すブロック図である。図３では、サーバ３００のデータベース３１０の機能として、顧客・契約データ３１０１と、学習データ３１０２が示され、また、処理部３３０の機能として、学習部３３０１と、予測部３３０２と、算出部３３０３とが示されている。また、図３では、クライアント１００の入出力部１４０の機能として、ユーザＩ／Ｆ部１４０１が示されている。

なお、本実施形態による構成は図３に示す例に限定されず、例えばサーバ３００の機能の一部がクライアント１００にあってもよい。図４は、本開示の一実施形態におけるサーバのデータベースおよび処理部の機能構成の他の例を示すブロック図である。図４では、クライアント１００の処理部１３０の機能として、算出部１３０１が示されている。このように、本実施形態の他の例として、算出部がクライアント側にある場合も想定される。

以下、それぞれの構成要素についてさらに説明する。

＜２−１．データベースの構成例＞
（顧客・契約データ３１０１）
顧客・契約データ３１０１は、サーバ３００によって提供されるサービスで扱われる顧客・契約のマスタデータとして機能する。顧客・契約データは、例えば、顧客情報、契約情報、契約状態情報、施策実施情報などを含みうる。顧客情報は、顧客属性および顧客のＷｅｂサービス上での行動ログ（動画視聴等）から成る、顧客の特徴を表す情報である。より具体的には、例えば、顧客情報は、年齢、性別、住所、家族構成、過去に視聴した動画、よく見る動画のジャンルなどを含みうる。詳細は後述するが、学習部３３０１では、顧客情報と契約情報に基づいて顧客の特徴量ベクトルを生成する。

契約情報は、契約に関する情報であり、契約の特徴を表す情報である。例えば契約情報は、契約継続年、契約年月、過去の離脱有無、支払い方法、契約時代理店、割引利用有無などを含みうる。契約状態情報は、契約中か否か等の契約状態を表す情報であり、学習部３３０１では顧客状態の教師ラベルとして利用される。例えば契約状態情報は、現在契約中か否か、また、離脱した場合は離脱した日時などを含みうる。施策実施情報は、離脱防止の施策を過去に実施したか否か等の施策実施履歴を表す情報であり、特徴量ベクトルとは別の入力情報として扱われる。例えば施策実施情報は、クーポンの郵送を行ったか否か、また、郵送を行った場合は発送した日時などを含みうる。顧客・契約データ３１０１では、上述したような契約に関するデータが、例えば各顧客に一意なＩＤに関連付けて登録されている。

（学習データ３１０２）
学習データ３１０２は、顧客・契約データ３１０１に登録された顧客・契約データの特徴量（以下、顧客・契約特徴量とも称す）を含む。顧客・契約データ３１０１は、学習部３３０１により、例えば顧客・契約データ３１０１を用いて生成される。学習データ３１０２の生成処理は、例えば１カ月に１度実行される。具体的には、例えば顧客・契約特徴量は、ある顧客・契約データ（顧客ＩＤによって特定される）について、それぞれのデータの項目から抽出されるベクトルでありうる。学習データ３１０２では、このような特徴量のベクトルが、顧客ＩＤに関連付けて格納されうる。特徴量は、基本的に一人の顧客に対して１つ格納される。従って、学習データ３１０２は、例えば顧客の現在の状態を表す情報として利用されうる。なお、特徴量を生成するための学習部３３０１の処理の詳細については後述する。

以上、データベース３１０の構成例について説明した。

＜２−２．処理部の構成例＞
（学習部３３０１）
学習部３３０１は、過去の顧客・契約データを学習データとして利用し、予測モデルの各種パラメータを機械学習によって算出（生成）する処理を行う。

学習部は、まず、顧客・契約データ３１０１から学習データ３１０２を生成し、次いで学習データ３１０２に基づいて予測モデルのパラメータを生成する。これらの処理は、例えば１カ月に１度など、定期的に実行され、算出したパラメータで予測部３３０２に保持されるパラメータを更新する。

（学習データ３１０２の生成）
上述したように、例えば年額定額制動画配信Ｗｅｂサービスの離脱防止マーケティング施策を例にして、年額定額制動画配信Ｗｅｂサービスが１年ごとの契約制になっている場合、学習データ３１０２は、例えば過去１１か月に契約更新を行った又は離脱した顧客に対して生成される。つまり、予測対象となる今後１カ月以内に契約更新時期を迎える顧客は含まれない。

本実施形態による学習データ３１０２は、対象顧客ごとに生成される顧客データエントリの集合から成る。顧客データエントリは、３つの要素、「契約中か否か」、「施策を実施したか否か」、および「特徴量ベクトル」から成る。

契約中か否かは、顧客・契約データ３１０１に含まれる契約状態情報から作成しうる。また、過去１１カ月に施策を実施したか否かは、顧客・契約データ３１０１に含まれる施策実施情報から作成しうる。

特徴量ベクトルは、顧客・契約データ３１０１から抽出されるベクトルであって、特徴量データの一例である。このような特徴量ベクトルは、例えばデータの項目を単純に連結することによって生成されてもよい。本実施形態では、顧客・契約データ３１０１を一意に特定する顧客ID毎に特徴量ベクトルを生成し、「顧客ID、契約中か否か、施策を実施したか否か、特徴量ベクトル」といった組み合わせのデータを学習データ３１０２として格納してもよい。

学習部３３０１は、まず、顧客情報と契約情報の各項目（年齢、住所など）をone-of-kベクトルと呼ばれるベクトルに変換する。one-of-kベクトルとは、k次元のベクトルであり、１つの要素のみ1の値を取り、残りの(k-1)個の要素は0の値を取るベクトルである。

各項目のone-of-kベクトルへの変換方法について説明する。学習部３３０１は、項目の取り得る値を列挙し、取り得る値の数と同じ次元のベクトルを作成し、取り得る値に対応する次元を定める。ベクトル化の際は項目の値に対応する次元を1とし、残りを0とすることで、項目の値をone-of-kベクトルに変換する。例えば、年齢をone-of-kベクトルに変換する場合、取り得る値として18歳から99歳までの82次元ベクトルを用意し、1次元目から順に18歳からの年齢に対応させる。年齢が20歳である項目を変換する場合は、3次元目が1で残りが0の82次元のone-of-kベクトルを作成する。

このように顧客情報および契約情報の各項目についてone-of-kベクトルを作成し、決まった順で連結したベクトルを顧客の特徴量ベクトルとしうる。なお、過去に視聴した動画などの行動履歴情報については、動画の種類の次元のベクトルを用意し、過去に視聴した動画に対応する次元を1とし、残りの次元を0としたベクトルを作成してもよい。

（予測モデルのパラメータの生成）
学習部３３０１は、学習データ３１０２を用いて機械学習を実施し、各種パラメータを算出（生成）する生成部として機能する。例えば学習部３３０１は、予測部３３０２による施策成功確率予測処理に用いられる確率予測モデルに使用する各種パラメータを機械学習により算出する。以下、学習部３３０１による確率予測モデルの学習について具体的に説明する。なお以下に説明する学習方法は一例であって、必ずしもこれに限定されない。

学習部３３０１は、まず、次の変数を定義する。下記式において、iは顧客のIDである。

次いで、学習部３３０１は、次のように各事象の確率を定める。なお、下記予測モデルのグラフィカルモデル２０を図５に示す。

上記パラメータにおいて、f_h (x;w_h)、f_y1 (x;w_y1)、及びf_y2 (x;w_y2)は、0以上1以下の値を取るパラメトリックな関数であって、例えばロジスティック回帰モデルやニューラルネットワークを利用しうる。

そして、学習部３３０１は、最尤推定により各種パラメータ（w_h、w_y1、w_y2）を決定（算出）する。最尤推定は、例えば勾配降下法の実行により行われる。尤度推定の一例を下記式２に示す。

（予測部３３０６）
予測部３３０６は、学習部３３０１で学習したパラメータを利用し、予測モデルによって「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」を予測する。

より具体的には、予測部３３０６では、今後１カ月以内に契約更新時期を迎える顧客について、「施策を行わない場合に離脱する確率」、「施策を行った場合に離脱を防止できる確率」、および「施策を行っても継続のままである確率」を予測する。

まず、予測部３３０６は、学習部３３０１と同様の処理で、顧客・契約データ３１０１を用いて、今後１カ月以内に契約更新時期を迎える顧客について特徴量ベクトルを生成する。次に、予測部３３０６は、学習部３３０１で学習したパラメータを用いて、f_h(x;w_h)により「施策を行わない場合に離脱する確率」を算出し、f_y1(x_i;w_y1)により「施策を行った場合に離脱を防止できる確率」を算出し、f_y2(x_i;w_y2)により「施策を行っても継続のままである確率」を算出する。算出した予測値は、算出部３３０３に出力する。

なお、施策の実績が少ない場合は、これまで施策を実施したことがない顧客に積極的に施策を実施し、幅広いバリエーションの学習データを収集する必要がある。そこで、例えばf_h (x;w_h)、f_y1(x_i;w_y1)、およびf_y2(x_i;w_y2)の値に加えて、f_y1(x_i;w_y1)およびf_y2(x_i;w_y2)の予測確信度を考慮し、データを収集する目的のために確信度の低い顧客も施策対象者として選ばれるようにする。

すなわち、確信度を考慮しない場合のf_h(x;w_h)×f_y1(x_i;w_y1)＋(1-f_h(x;w_h))×f_y2
(x_i;w_y2)-(1-f_h(x;w_h))（つまり、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」）ではなく、f_h(x;w_h)×f_y1(x_i;w_y1)＋(1-f_h(x;w_h))×f_y2(x_i;w_y2)-(1-f_h(x;w_h))-(f_y1(x_i;w_y1)の予測確信度＋f_y2(x_i;w_y2)の予測確信度)の順に施策を実施する。

非特許文献２：” A Contextual-Bandit Approach to Personalized News Article
Recommendation,” Lihong Li, Wei Chu, John Langford, and Robert E. Schapire,
Proceedings of the 19th International Conference on World Wide Web, Pages 661‐670, 2010

（算出部３３０３）
算出部３３０３は、予測部３３０２によって出力された確率を用いて、クライアント１００のユーザI/F部１４０１から要求された数値を算出する。また、算出部３３０３は、クライアント１００の入出力部１４０に含まれるディスプレイなどのユーザI/F部１４０１に出力させるためのデータを生成し、通信部３２０からクライアント１００に送信させる。かかるデータは、例えば算出した数値を含む結果画像である。なお、クライアント１００における情報出力の方法は画像表示には限られず、例えば音声出力が画像表示と共に、またはこれに代えて採用されてもよい。

例えば、算出部３３０３は、施策成功確率、施策コスト、顧客利益（必要に応じて割引額を減算）に基づいて、利益率を顧客ごとに算出し、算出した値をスコアとして大きい順に並べた顧客一覧画像を生成し、クライアント１００に送信する。施策成功確率は、予測部３３０２で算出した確率を用いて、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」により算出されうる。

なお、クライアント１００のユーザI/F部１４０１では、ユーザからの入力を受け付け、入力データを通信部１２０からサーバ３００に送信したり、サーバ３００から送信された情報をユーザに提示したりする。

以上、本実施形態によるサーバ３００のデータベース３１０および処理部３３０の機能構成について説明した。

＜＜３．動作処理＞＞
続いて、本実施形態による動作処理について、図６〜図９を参照して具体的に説明する。

＜３−１．学習部３３０１の動作処理＞
図６は、本実施形態による学習部３３０１の動作処理を示すフローチャートである。図６に示すように、まず、学習部３３０１は、顧客・契約データに基づいて、過去１１か月に契約更新を行った又は離脱した顧客を選択し（ステップＳ１０３）、選択された顧客について顧客データエントリを作成し、その集合を学習データ３１０２とする（ステップＳ１０６）。顧客データエントリは、上述したように、３つの要素、「契約中か否か」、「施策を実施したか否か」、および「特徴量ベクトル」から成る。「特徴量ベクトル」の作成処理については、図７を参照して後述する。

次いで、学習部３３０１は、学習データ３１０２から予測モデルのパラメータを生成し（ステップＳ１０９）、生成したパラメータによって、予測部３３０２のパラメータを更新する（ステップＳ１１２）。

（特徴量ベクトルの作成）
図７は、学習部３３０１による特徴量ベクトルの作成処理を示すフローチャートである。図７に示すように、学習部３３０１は、顧客情報と契約情報の各項目について、one-of-kベクトルを作成する（ステップＳ１２３）。one-of-kベクトルの作成処理については、図８を参照して後述する。

次いで、学習部３３０１は、各項目のone-of-kベクトルを、予め決まった順序で連結し、特徴量ベクトルを作成する（ステップＳ１２６）。

（one-of-kベクトルの作成）
図８は、本実施形態によるone-of-kベクトルの作成処理を示すフローチャートである。図８に示すように、学習部３３０１は、顧客情報、契約情報から、項目Aの値X、という情報を取得する（ステップＳ１３３）。

次いで、学習部３３０１は、予め作成した、項目Aが取りうる値に対し1から順に自然数を割り当てた辞書データを参照し、Xに割り当てられた自然数 iを取得する（ステップＳ１３６）。例えば年齢をone-of-kベクトルに変換する場合、取り得る値として18歳から99歳までの82次元ベクトルが予め用意され、学習部３３０１は、項目「年齢」の値「20歳」に割り当てられた自然数3を取得する。

そして、学習部３３０１は、i 番目の次元が1で他の次元が0であるk次元ベクトルを作成する（ステップＳ１３９）。すなわち、例えば学習部３３０１は、年齢が20歳である項目を変換する場合、3次元目が1で残りが0の82次元のone-of-kベクトルを作成する。

＜３−２．予測部３３０２の動作処理＞
図９は、本実施形態による予測部３３０２の動作処理を示すフローチャートである。図９に示すように、まず、予測部３３０２は、今後１カ月以内に契約更新時期を迎える顧客を選択する（ステップＳ１４３）。

次いで、予測部３３０２は、選択された顧客について、学習部３３０１による処理と同様に、特徴量ベクトルを作成する（ステップＳ１４６）。

次に、予測部３３０２は、学習部３３０１で生成されたパラメータを利用した予測モデルに特徴量ベクトルを入力し、各確率を算出する（ステップＳ１４９）。

そして、予測部３３０２は、顧客ごとに算出した各確率を、通信部３２０を介してクライアント１００の入出力部１４０に含まれるユーザＩ／Ｆ部１４０１に送信する（ステップＳ１５２）。

＜＜４．情報提示画面例＞＞
続いて、例えばクライアント１００において入出力部１４０に含まれるディスプレイ（ユーザＩ／Ｆ部１４０１）に表示される画面の例を参照しながら、本開示の一実施形態において提示される情報の例について説明する。なお、以下の説明では年額定額制動画配信サービスの離脱防止マーケティング施策を実施する対象顧客を選択するにあたって提示される情報の例が説明されるが、他の契約の離脱防止マーケティング施策を実施する対象顧客を選択するにあたっても同様に情報が提示されうる。

本実施形態では、例えばサーバ３００の算出部３３０３により施策成功確率、施策コスト、および顧客利益に基づいて利益率が算出され、当該利益率の値が大きい順に顧客ＩＤが並べられた顧客一覧画面がクライアント１００のユーザＩ／Ｆ部１４０１に表示され、マーケティング担当者（ユーザ）による施策実施対象顧客の選択を補助することができる。

図１０は、本実施形態において表示される顧客一覧画面の一例を示す図である。図示された例では、画面１１００に、顧客一覧１１０１、ダウンロード人数指定欄１１０２、ダウンロードボタン１１０３、情報入力欄１１０４、算出結果１１０５が表示されている。

顧客一覧１１０１は、サーバ３００の算出部３３０３が、予測部３３０２で算出した確率に基づいて、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」（実質的な施策成功確率）を顧客毎に算出した値をスコアとして、当該スコアの大きい順に顧客IDが並べられているものである。マーケティング担当者は、顧客一覧１１０１を参照して、施策を実施する顧客を選択する。

この場合、マーケティング担当者は施策成功確率（すなわち施策による離脱防止確率）が高い顧客を選択、すなわち上位所定人数を選択することが想定される。マーケティング担当者は、選択した顧客を施策実施者、例えば施策が「電話」の場合はコールセンターに選択した顧客に関する情報を送信する。このような用途に応じて、図１０に示す例では、ダウンロード人数指定欄１１０２およびダウンロードボタン１１０３を画面１１００に設けている。マーケティング担当者は、コールセンターに伝える施策実施対象顧客を、上位何人という形式でダウンロード人数指定欄１１０２に入力し、ダウンロードボタン１１０３を選択する。クライアント１００は、入力された情報をネットワーク２００を介してサーバ３００へ送信する。サーバ３００は、マーケティング担当者の指示に従って、上位所定人数の顧客ID（必要に応じて、電話番号、住所等の詳細情報と共に）をコールセンター（不図示）に施策実施対象者を示す情報として送信する。

また、本実施形態による算出部３３０３は、マーケティング担当者が上位どの程度の人数を施策実施対象者として選択すればよいかを考える際の参考情報として、利益率を考慮した人数を算出し、ユーザに提示することも可能である。マーケティング担当者は、情報入力欄１１０４において、顧客利益のデフォルト価格、施策１件当たりのコスト、クーポンの割引額、および目標利益率を入力し、上位何人までに施策を実施したらよいかの情報を得ることができる。

情報入力欄１１０４に入力された値は、サーバ３００へ送信され、算出部３３０３により下記式３の算出が行われる。

{（顧客利益のデフォルト値）−（クーポンの割引額）}×（施策を実施した場合の継続確率−施策を実施しない場合の継続確率）−（施策１件当たりのコスト）
・・・式３

算出部３３０３は、上記式３により顧客ごとの利益額を算出し、上位から順に足し合わせることで利益率を算出する。そして、算出部３３０３は、指定された目標利益率を満たす人数が上位何人までであるかを算出し、算出結果をクライアント１００に送信する。クライアント１００は、受信した算出結果１１０５を画面１１００に表示する。これにより、マーケティング担当者は、上位何人までに施策を実施すると目標利益率を満たすかが分かり、施策実施対象顧客を選択する際に参考にできる。

また、他の情報提示画面として、顧客一覧において、予測した施策成功確率のスコアと共に、予測確信度を並べて表示してもよい。予測確信度も並べた画面の例を図１１に示す。

図示された例では、画面１２００に、顧客一覧１２０１、ダウンロード人数指定欄１２０２、ダウンロードボタン１２０３、情報入力欄１２０４、算出結果１２０５が表示されている。顧客一覧１２０１には、顧客ID、スコア、および確信度が対応付けて表示されている。

また、他の情報提示画面の例を図１２に示す。図１２は、本実施形態において表示される顧客一覧画面の他の例を示す図である。

図示された例では、画面１３００に、顧客一覧１３０１、利益予想グラフ１３０２が表示されている。顧客一覧１３０１には、顧客ID、スコア、今後の顧客利益、利益の見積もりが対応付けて表示されている。また、顧客一覧１３０１は、今後の顧客利益の大きい順に並べられている。

顧客利益は、今後の契約継続年の予測値と１年あたりの利益額の積である。ここで、契約継続年の予測値は、契約情報の契約継続年を除いた特徴量ベクトルを入力して、出力を契約継続年とした回帰問題として、算出部３３０３が機械学習により算出することが可能である。

利益予想グラフ１３０２は、施策をスコア上位の顧客から実施した場合における、見込み利益率と見込み利益をグラフとして表示するものである。見込み利益率は、例えば下記式４により算出されうる。

{（顧客利益の予測値）−（クーポンの割引額）}×（施策を実施した場合の継続確率−施策を実施しない場合の継続確率）
・・・式４

また、利益予想グラフ１３０２の横軸は、施策実施対象顧客の人数（スコア上位からの人数）である。画面１３００に示す利益予想グラフ１３０２は、クーポン割引額など算出に必要な情報がマーケティング担当者により入力された上で提示されうる。

また、画面１３００には、画面１１００に示すようなダウンロード人数指定欄１１０２およびダウンロードボタン１１０３が表示されていないが、これらを含む画面としてもよい。

次いで、画面１３００の顧客一覧１３０１に含まれる顧客IDが選択された場合に表示される顧客情報詳細画面の一例を図１３に示す。

図示された例では、画面１４００に、顧客IDと、離脱確率と、今後の顧客利益と、施策毎の情報と、顧客詳細情報（住所、年齢、性別、契約の継続年数など）が表示されている。

ここでは、複数種類の施策（例えばクーポン）が存在するとし、施策毎の情報として、離脱防止確率、施策コスト、期待利益、および期待効果が表示され、これにより施策毎の効果が可視化されている。施策毎の各情報は、算出部３３０３により下記のように求められる。

・離脱防止確率：施策を実施した場合の継続確率−施策を実施しない場合の継続確率
・コスト：施策１件当たりの費用
・期待利益：{（顧客利益の予測値）−（クーポンの割引額）}×（（施策を実施した場合の継続確率−施策を実施しない場合の継続確率）
・期待効果：{（顧客利益の予測値）−（クーポンの割引額）}×（施策を実施した場合の継続確率−施策を実施しない場合の継続確率）−（施策１件当たりのコスト）

算出部３３０３は、施策の種類毎に学習されたf_y1 (x_i;w_y1 )およびf_y2
(x_i;w_y2 )を用いて、「離脱防止確率」を施策の種類毎に算出する。かかるモデルの尤度の算出式を図１４に示す。

また、施策毎の効果の可視化は、図１３に示す例に限定されず、例えば顧客ごとに期待効果が最大のクーポンを選択し、その期待効果が閾値より大きい場合に、ユーザに提示するようにしてもよい。

さらに、本実施形態では、マーケティング担当者が新たな施策を検討する際に参考になる情報として、離脱防止確率にプラスに働く「項目、値」のペアと、マイナスに働く「項目、値」のペアを出力するようにしてもよい。以下、図１５を参照して説明する。

図１５は、本実施形態による離脱防止確率に影響する項目を提示する画面の一例を示す図である。図示された例では、画面１５００に、クーポン施策の離脱防止確率（すなわち、施策を行った場合に離脱を防止できる確率）にプラスに働く「項目、値」のペアと、マイナスに働く「項目、値」のペアが表示されている。

プラスに働く「項目、値」のペアは、例えば、f_y1 (x_i;w_y1 )をロジスティック回帰で学習した際に各「項目、値」に割り当てられるパラメータが小さい値であるものが選択される。また、マイナスに働く「項目、値」のペアは、同様のパラメータが大きい値であるものが選択される。

図１５に示す例では、マーケティング担当者は、女性向けドラマを充実させること、契約更新期間後に開始するドラマをアピールする施策に効果がありそうなことが分かる。

＜＜５．ハードウェア構成＞＞
次に、図１６を参照して、本開示の実施形態による情報処理装置のハードウェア構成について説明する。図１６は、本開示の実施形態による情報処理装置のハードウェア構成例を示すブロック図である。図示された情報処理装置９００は、例えば、上記の実施形態におけるサーバ３００およびクライアント１００を実現しうる。

情報処理装置９００は、ＣＰＵ（Central Processing unit）９０１、ＲＯＭ（Read Only Memory）９０３、およびＲＡＭ（Random Access Memory）９０５を含む。また、情報処理装置９００は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。情報処理装置９００は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などの処理回路を有してもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バス９１１に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりする。

出力装置９１７は、取得した情報をユーザに対して視覚や聴覚、触覚などの感覚を用いて通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Liquid Crystal Display）または有機ＥＬ（Electro-Luminescence）ディスプレイなどの表示装置、スピーカまたはヘッドフォンなどの音声出力装置、もしくはバイブレータなどでありうる。出力装置９１７は、情報処理装置９００の処理により得られた結果を、テキストもしくは画像などの映像、音声もしくは音響などの音声、またはバイブレーションなどとして出力する。

ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。ストレージ装置９１９は、例えばＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。

接続ポート９２３は、機器を情報処理装置９００に接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポートなどでありうる。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００と外部接続機器９２９との間で各種のデータが交換されうる。

通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ、またはＷＵＳＢ（Wireless USB）用の通信カードなどでありうる。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などを含みうる。

以上、情報処理装置９００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。

＜＜６．まとめ＞＞
本開示の実施形態は、例えば、上記で説明したような情報処理装置（サーバまたはクライアント）、システム、情報処理装置またはシステムで実行される情報処理方法、情報処理装置を機能させるためのプログラム、およびプログラムが記録された一時的でない有形の媒体を含みうる。

また、以上説明した例では、顧客の状態変化を促すマーケティング施策の一例として、継続的な契約を維持するための離脱防止マーケティング施策を用いが、本実施形態はこれに限定されない。例えば本実施形態によるシステムは、下記に挙げるような場合にも適用可能である。

・生命保険や損害保険などの保険契約の継続促進、上位契約への切り替え促進、他サービスの契約促進

・スマホゲームやスマホアプリの継続利用促進、有料コンテンツの販売促進
・オンラインバンクなどのＷｅｂサイト経由で継続的に利用するサービスの継続促進、上位契約の促進、他サービスの契約促進
・オンライン学習サイトへの訪問促進、利用時間継続促進
・カーシェアリングなどシェアリングサービスの利用促進、比較的空いている時間の利用促進
・イーコマースサイトへの訪問促進、抱き合わせ販売の促進

・美容院など定期的に利用する店舗の利用継続促進
・学習塾への通学促進
・飲食店の定期的な利用の継続促進
・病院への継続的な通院を促進
・老人ホームへの家族の訪問を促進

・健康管理（ダイエットや定期的な薬接種）の継続促進
・物品等のレンタルサービスのレンタル期間延長を促進、他の製品のレンタルを促進

また、本実施形態によるシステムでは、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」が低い顧客をマーケティング担当者に表示し、マーケティング担当者が、現在の離脱防止施策に効果がない顧客に効果を発揮する離脱防止施策を考える手掛かりにすることも可能である。

この場合、クライアント１００のユーザＩ／Ｆ部１４０１では、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」が低い顧客を「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」が低い順に一定数表示されてもよい。この際、類似顧客が含まれないようにx_iのバリエーションが豊富になるよう顧客リストを作成してもよい。

または、クライアント１００のユーザＩ／Ｆ部１４０１において、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」が低い顧客の特徴を、共通して出現しやすい契約・顧客データの要素の集合として提示してもよい。この際、「施策を実施した場合の継続確率−施策を実施しない場合の継続確率」が高い顧客の特徴と差異が大きいかどうかを考慮してもよい。

また、本実施形態では、{p₁(x_i)×p₂(x_i)+(1-p₁(x_i))×p₃(x_i)}-{1-p₁(x_i)}が大きい順に離脱防止施策を実施する顧客を選択する際に、加えて、p₂(x_i)とp₃ (x_i)の予測確信度が低い顧客が優先的に選ばれるようにしてもよい。例えば、{p₁(x_i)×p₂(x_i)+(1-p₁(x_i))×p₃(x_i)}-{1-p₁(x_i)}-(p₂(x_i)の予測確信度+p₃(x_i)の予測確信度)の昇順に選択するようにしてもよい。上述したように、これは特に施策実施実績が少ない場合に重要である。

この際、予測の確信度は下記（１）〜（３）のいずれかで算出されうる。
（１）学習データにおける類似度が一定以上の顧客数または類似上位一定人数の類似度の平均（この場合、数値が高いほど予測の確信度が高いと言える）
（２）学習データにおける類似顧客における離脱または継続のばらつきの大きさ（この場合、ばらつきが小さいほど予測の確信度が高いと言える）
（３）p₂(x_i)のパラメータの事後確率とx_iの関係（この場合、x_iの推定に使うパラメータのベイズ事後確率が高いほど予測の確信度が高いと言える）

なお、上記の（１）の視点で確信度が高いが（２）の視点で確信度が低い場合、現在の契約・顧客データでは予測が難しいと考えられるので、こうした顧客と類似顧客の差異を見つける特徴を新たに取得するようマーケティング担当者に促してもよい。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本技術はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、本技術は以下のような構成も取ることができる。
（１）
顧客の継続状態の変化を示す過去情報と、変化が生じた顧客に対して目的の状態へ導く施策を実施したか否かを示す過去情報と、に基づいて算出された、前記目的の状態へ導くための施策が成功する指標を出力する出力部を備える、情報処理装置。
（２）
前記出力部は、現在継続状態の顧客毎に、前記目的の状態へ導くための施策が成功する指標として施策成功確率を算出し、出力する、前記（１）に記載の情報処理装置。
（３）
前記顧客の継続状態は、契約状態であって、
前記継続状態の変化は、契約の離脱であって、
前記目的の状態は、前記契約状態を維持する状態である、前記（２）に記載の情報処理装置。
（４）
前記情報処理装置は、
前記状態に関する過去情報と、前記施策の実施に関する過去情報と、前記顧客または顧客の継続状態に関する特徴量とに基づいて、予測モデルのパラメータを生成する学習部と、
前記生成したパラメータを用いて、現在継続状態の顧客における、前記施策を実施しない場合の契約離脱の確率、および前記施策を実施した場合の契約離脱防止の確率を算出する予測部と、
を備え、
前記出力部は、前記施策を実施しない場合の契約離脱の確率と前記施策を実施した場合の契約離脱防止の確率の積を、前記施策が成功する指標として現在継続状態の顧客毎に算出する、前記（３）に記載の情報処理装置。
（５）
前記学習部は、前記施策を実施した場合の契約離脱防止の確率について前記施策を行わずとも契約離脱防止できた確率を考慮した予測モデルのパラメータを生成する、前記（４）に記載の情報処理装置。
（６）
前記出力部は、前記積を、前記施策が成功する指標を示すスコアとして、当該スコアの順に顧客IDを並べた一覧をユーザに出力する、前記（４）または（５）に記載の情報処理装置。
（７）
前記予測部は、予測の確信度を算出し、
前記出力部は、前記スコアを予測の確信度と併せて出力する、前記（６）に記載の情報処理装置。
（８）
前記出力部は、契約維持時の収益予想と前記施策の費用とに基づいて、施策実施時の利益率を算出し、ユーザに出力する、前記（４）〜（７）のいずれか１項に記載の情報処理装置。
（９）
前記出力部は、前記利益率の予想グラフをユーザに出力する、前記（８）に記載の情報処理装置。
（１０）
前記出力部は、施策を実施した場合の契約離脱防止の確率に対してプラスに働く特徴とマイナスに働く特徴をユーザに提示する、前記（４）〜（９）のいずれか１項に記載の情報処理装置。
（１１）
前記顧客の継続状態は、契約状態であって、
前記継続状態の変化は、契約のランクアップであって、
前記目的の状態は、前記契約状態がランクアップする状態である、前記（１）または（２）に記載の情報処理装置。
（１２）
プロセッサが、
顧客の継続状態の変化を示す過去情報と、変化が生じた顧客に対して目的の状態へ導く施策を実施したか否かを示す過去情報と、に基づいて算出された、前記目的の状態へ導く施策が成功する指標を出力するよう制御することを含む、情報処理方法。
（１３）
コンピュータを、
顧客の継続状態の変化を示す過去情報と、変化が生じた顧客に対して目的の状態へ導く施策を実施したか否かを示す過去情報と、に基づいて算出された、前記目的の状態へ導く施策が成功する指標を出力するよう制御する出力制御部として機能させるための、プログラム。

１０ システム
１００ クライアント
１１０ ローカルストレージ
１２０ 通信部
１３０ 処理部
１３０１ 算出部
１４０ 入出力部
１４０１ ユーザＩ／Ｆ部
２００ ネットワーク
３００ サーバ
３１０ データベース
３１０１ 顧客・契約データ
３３０１ 学習部
３３０２ 予測部
３３０３ 算出部
３２０ 通信部
３３０ 処理部

Claims (9)

1. 契約からの顧客の離脱を示す過去情報である第一過去情報と、契約からの離脱が生じた顧客に対して契約を維持する状態へ導くための施策を実施したか否かを示す過去情報である第二過去情報とを格納するデータベースから、前記第一過去情報と前記第二過去情報とを取得し、前記第一過去情報と、前記第二過去情報と、顧客に関する特徴量または顧客の継続状態に関する特徴量とに基づいて予測モデルのパラメータを生成し、前記パラメータを用いて、契約が継続状態にある顧客毎に、前記施策を実施しない場合の契約離脱の確率である第一確率と、前記施策を実施した場合の契約離脱防止の確率である第二確率とを算出し、前記施策が成功する指標として、前記第一確率と前記第二確率との積を算出するプロセッサ、
   を備える情報処理装置。
2. 前記プロセッサは、前記施策を行わずとも契約離脱防止できた確率を考慮した前記予測モデルのパラメータを生成する、
   請求項１に記載の情報処理装置。
3. 前記プロセッサは、前記積を前記指標を示すスコアとし、当該スコアの順に顧客ＩＤを並べた一覧を出力する、
   請求項１に記載の情報処理装置。
4. 前記プロセッサは、予測の確信度を算出し、前記スコアを前記確信度と併せて出力する、
   請求項３に記載の情報処理装置。
5. 前記プロセッサは、契約維持時の収益予想と前記施策の費用とに基づいて、前記施策の実施時の利益率を算出する、
   請求項１に記載の情報処理装置。
6. 前記プロセッサは、前記利益率の予想グラフを出力する、
   請求項５に記載の情報処理装置。
7. 前記プロセッサは、前記第二確率に対してプラスに働く特徴とマイナスに働く特徴とを出力する、
   請求項１に記載の情報処理装置。
8. プロセッサが、
   契約からの顧客の離脱を示す過去情報である第一過去情報と、契約からの離脱が生じた顧客に対して契約を維持する状態へ導くための施策を実施したか否かを示す過去情報である第二過去情報とを格納するデータベースから、前記第一過去情報と前記第二過去情報とを取得し、
   前記第一過去情報と、前記第二過去情報と、顧客に関する特徴量または顧客の継続状態に関する特徴量とに基づいて予測モデルのパラメータを生成し、
   前記パラメータを用いて、契約が継続状態にある顧客毎に、前記施策を実施しない場合の契約離脱の確率である第一確率と、前記施策を実施した場合の契約離脱防止の確率である第二確率とを算出し、前記施策が成功する指標として、前記第一確率と前記第二確率との積を算出する、
   情報処理方法。
9. 契約からの顧客の離脱を示す過去情報である第一過去情報と、契約からの離脱が生じた顧客に対して契約を維持する状態へ導くための施策を実施したか否かを示す過去情報である第二過去情報とを格納するデータベースから、前記第一過去情報と前記第二過去情報とを取得し、
   前記第一過去情報と、前記第二過去情報と、顧客に関する特徴量または顧客の継続状態に関する特徴量とに基づいて予測モデルのパラメータを生成し、
   前記パラメータを用いて、契約が継続状態にある顧客毎に、前記施策を実施しない場合の契約離脱の確率である第一確率と、前記施策を実施した場合の契約離脱防止の確率である第二確率とを算出し、前記施策が成功する指標として、前記第一確率と前記第二確率との積を算出する、
   処理をプロセッサに実行させるためのプログラム。

Images