JP7679806B2 - 特性推定装置、特性推定方法及びプログラム - Google Patents

Description

本開示は、特性推定装置、特性推定方法及びプログラムに関する。

インターネット等の通信ネットワークにおいて、ユーザの消費行動に関する特性を分析し、当該ユーザの特性に応じた情報提供を行う技術がある。例えば、特許文献１には、ユーザのアンケート結果及び行動履歴に基づいて、当該ユーザの特性を推定する特性推定サーバが開示されている。

特許文献１に開示されている特性推定サーバは、アンケートに回答した複数の対象ユーザを、アンケート結果に基づいて予め定めた複数の特性のいずれかに分類し、行動履歴が所定の基準を満たす教師ユーザを特定する。そして、特性推定サーバは、教師ユーザの行動履歴から抽出された行動情報を説明変数とし、教師ユーザの特性を目的変数とする特性推定モデルを用いて、推定ユーザの特性を推定する。

特開２０２０－３５４０９号公報

しかしながら、従来技術では、同じ特性に分類されたユーザの集合体の間で消費行動に差があるか否かが流動的である。例えば、特許文献１に開示された発明は、アンケート結果に基づいて分類された対象ユーザから教師ユーザを特定するため、異なる特性に分類された対象ユーザの消費行動特性に差があることが担保されない。

本開示は、上記のような技術的課題に鑑みて、ユーザが行った消費行動の実績を表すデータに基づいてユーザの特性を推定することを目的とする。

上記の課題を解決するために、本開示の一態様による特性推定装置は、ウェブ閲覧履歴に基づいて対象ユーザを抽出するように構成されている対象者抽出部と、対象ユーザが行った消費行動の実績を表す消費行動実績データを取得するように構成されている実績データ取得部と、ウェブ閲覧履歴及び消費行動実績データに基づいて、対象ユーザの購買速度を表す購買速度データ及び対象ユーザの傾聴度を表す傾聴度データを推定するように構成されている消費行動推定部と、購買速度データ及び傾聴度データに基づいて対象ユーザの消費行動特性を決定するように構成されている特性決定部と、を備える。

本開示の一態様によれば、ユーザが行った消費行動の実績を表すデータに基づいてユーザの特性を推定することができる。

消費行動特性推定システムの全体構成の一例を示すブロック図である。 コンピュータのハードウェア構成の一例を示すブロック図である。 特性推定装置の機能構成の一例を示すブロック図である。 特性推定方法の処理手順の一例を示すフローチャートである。 サイト分類マスタの一例を示す概念図である。 ウェブ閲覧履歴テーブルの一例を示す概念図である。 サイト分類情報が付与されたウェブ閲覧履歴の一例を示す概念図である。 被験者マスタの一例を示す概念図である。 顧客マスタの一例を示す概念図である。 被験者情報が関連付けられたウェブ閲覧履歴の一例を示す概念図である。 接触媒体テーブルの一例を示す概念図である。 商品購入実績テーブルの一例を示す概念図である。 施策反応実績テーブルの一例を示す概念図である。 購買速度データ及び傾聴度データの一例を示す概念図である。 購買速度スコア及び傾聴度スコアの一例を示す概念図である。 特性決定規則の一例を示す概念図である。 消費行動特性推定結果の一例を示す概念図である。

以下、本開示の各実施形態について添付の図面を参照しながら説明する。なお、本明細書および図面において、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した説明を省略する。

［実施形態］
本開示の実施形態は、ユーザの消費行動に関する特性（以下、「消費行動特性」とも呼ぶ）を推定する消費行動特性推定システムである。消費行動特性推定システムは、ユーザがウェブを閲覧した履歴を表すウェブ閲覧履歴と、ユーザが行った消費行動の実績を表す消費行動実績データに基づいて、ユーザの消費行動特性を推定する。なお、消費行動特性を推定する対象とするユーザを「対象ユーザ」とも呼ぶ。

本実施形態における対象ユーザは、消費行動特性推定システムを利用する主体（企業、団体又は個人等）が情報を保有する顧客とする。ただし、対象ユーザは企業等の顧客に限定されず、ウェブ閲覧履歴及び消費行動実績データを取得可能なユーザであれば、どのようなユーザを対象ユーザとしても構わない。

消費行動特性推定システムは、ウェブ閲覧履歴及び消費行動実績データに基づいて、対象ユーザの購買速度を表す購買速度データ及び対象ユーザの傾聴度を表す傾聴度データを推定する。また、消費行動特性推定システムは、対象ユーザについて推定された購買速度データ及び傾聴度データに基づいて、対象ユーザの消費行動特性を決定する。したがって、消費行動特性推定システムによれば、対象ユーザが行った消費行動の実績を表すデータに基づいて対象ユーザの消費行動特性を推定することができる。

＜消費行動特性推定システムの全体構成＞
本実施形態における消費行動特性推定システムの全体構成を、図１を参照しながら説明する。図１は、本実施形態における消費行動特性推定システムの全体構成の一例を示すブロック図である。

図１に示されているように、本実施形態における消費行動特性推定システム１は、特性推定装置１０及びユーザ端末２０を含む。特性推定装置１０及びユーザ端末２０は、ＬＡＮ（Local Area Network）又はインターネット等の通信ネットワークＮ１を介してデータ通信可能に接続されている。

特性推定装置１０は、ユーザ端末２０からの要求に応じて、対象ユーザの消費行動特性を推定するパーソナルコンピュータ、ワークステーション、サーバ等の情報処理装置である。特性推定装置１０は、ユーザ端末２０からの要求に応じて、ウェブ閲覧履歴から抽出した対象ユーザの消費行動特性を推定し、その推定結果をユーザ端末２０に送信する。

ユーザ端末２０は、消費行動特性推定システム１のユーザが操作するパーソナルコンピュータ、タブレット端末、スマートフォン等の情報処理端末である。ユーザ端末２０は、ユーザの操作に応じて、消費行動特性の推定を要求する要求信号を特性推定装置１０に送信する。また、ユーザ端末２０は、特性推定装置１０から推定結果を受信し、ユーザに対して出力する。

なお、図１に示した消費行動特性推定システム１の全体構成は一例であって、用途や目的に応じて様々なシステム構成例があり得る。例えば、特性推定装置１０は、複数台のコンピュータにより実現してもよいし、クラウドコンピューティングのサービスとして実現してもよい。また、例えば、消費行動特性推定システム１は、特性推定装置１０及びユーザ端末２０がそれぞれ備えるべき機能を兼ね備えたスタンドアローンの情報処理装置により実現してもよい。

＜消費行動特性推定システムのハードウェア構成＞
本実施形態における消費行動特性推定システム１のハードウェア構成を、図２を参照しながら説明する。

≪コンピュータのハードウェア構成≫
本実施形態における特性推定装置１０及びユーザ端末２０は、例えばコンピュータにより実現される。図２は、本実施形態におけるコンピュータ５００のハードウェア構成の一例を示すブロック図である。

図２に示されているように、コンピュータ５００は、ＣＰＵ（Central Processing Unit）５０１、ＲＯＭ（Read Only Memory）５０２、ＲＡＭ（Random Access Memory）５０３、ＨＤＤ（Hard Disk Drive）５０４、入力装置５０５、表示装置５０６、通信Ｉ／Ｆ（Interface）５０７及び外部Ｉ／Ｆ５０８を有する。ＣＰＵ５０１、ＲＯＭ５０２及びＲＡＭ５０３は、いわゆるコンピュータを形成する。コンピュータ５００の各ハードウェアは、バスライン５０９を介して相互に接続されている。なお、入力装置５０５及び表示装置５０６は外部Ｉ／Ｆ５０８に接続して利用する形態であってもよい。

ＣＰＵ５０１は、ＲＯＭ５０２又はＨＤＤ５０４等の記憶装置からプログラムやデータをＲＡＭ５０３上に読み出し、処理を実行することで、コンピュータ５００全体の制御や機能を実現する演算装置である。

ＲＯＭ５０２は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリ（記憶装置）の一例である。ＲＯＭ５０２は、ＨＤＤ５０４にインストールされている各種プログラムをＣＰＵ５０１が実行するために必要な各種プログラム、データ等を格納する主記憶装置として機能する。具体的には、ＲＯＭ５０２には、コンピュータ５００の起動時に実行されるＢＩＯＳ（Basic Input/Output System）、ＥＦＩ（Extensible Firmware Interface）等のブートプログラムや、ＯＳ（Operating System）設定、ネットワーク設定等のデータが格納されている。

ＲＡＭ５０３は、電源を切るとプログラムやデータが消去される揮発性の半導体メモリ（記憶装置）の一例である。ＲＡＭ５０３は、例えば、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等である。ＲＡＭ５０３は、ＨＤＤ５０４にインストールされている各種プログラムがＣＰＵ５０１によって実行される際に展開される作業領域を提供する。

ＨＤＤ５０４は、プログラムやデータを格納している不揮発性の記憶装置の一例である。ＨＤＤ５０４に格納されるプログラムやデータには、コンピュータ５００全体を制御する基本ソフトウェアであるＯＳ、及びＯＳ上において各種機能を提供するアプリケーション等がある。なお、コンピュータ５００はＨＤＤ５０４に替えて、記憶媒体としてフラッシュメモリを用いる記憶装置（例えばＳＳＤ：Solid State Drive等）を利用するものであってもよい。

入力装置５０５は、ユーザが各種信号を入力するために用いるタッチパネル、操作キーやボタン、キーボードやマウス、音声等の音データを入力するマイクロホン等である。

表示装置５０６は、画面を表示する液晶や有機ＥＬ（Electro-Luminescence）等のディスプレイ、音声等の音データを出力するスピーカ等で構成されている。

通信Ｉ／Ｆ５０７は、通信ネットワークに接続し、コンピュータ５００がデータ通信を行うためのインタフェースである。

外部Ｉ／Ｆ５０８は、外部装置とのインタフェースである。外部装置には、ドライブ装置５１０等がある。

ドライブ装置５１０は、記録媒体５１１をセットするためのデバイスである。ここでいう記録媒体５１１には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体５１１には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。これにより、コンピュータ５００は外部Ｉ／Ｆ５０８を介して記録媒体５１１の読み取り及び／又は書き込みを行うことができる。

なお、ＨＤＤ５０４にインストールされる各種プログラムは、例えば、配布された記録媒体５１１が外部Ｉ／Ｆ５０８に接続されたドライブ装置５１０にセットされ、記録媒体５１１に記録された各種プログラムがドライブ装置５１０により読み出されることでインストールされる。あるいは、ＨＤＤ５０４にインストールされる各種プログラムは、通信Ｉ／Ｆ５０７を介して、通信ネットワークとは異なる他のネットワークよりダウンロードされることでインストールされてもよい。

＜特性推定装置の機能構成＞
本実施形態における特性推定装置１０の機能構成を、図３を参照しながら説明する。図３は本実施形態における特性推定装置１０の機能構成の一例を示すブロック図である。

図３に示されているように、本実施形態における特性推定装置１０は、サイト分類マスタ記憶部１０１、ウェブ閲覧履歴記憶部１０２、顧客マスタ記憶部１０３、被験者マスタ記憶部１０４、接触媒体データ記憶部１０５、商品購入データ記憶部１０６、施策反応データ記憶部１０７、特性決定規則記憶部１０８、閲覧履歴分類部１１１、対象者抽出部１１２、実績データ取得部１１３、消費行動推定部１１４及び特性決定部１１５を備える。

サイト分類マスタ記憶部１０１、ウェブ閲覧履歴記憶部１０２、顧客マスタ記憶部１０３、被験者マスタ記憶部１０４、接触媒体データ記憶部１０５、商品購入データ記憶部１０６、施策反応データ記憶部１０７及び特性決定規則記憶部１０８は、図２に示されているＲＡＭ５０３又はＨＤＤ５０４によって実現される。

閲覧履歴分類部１１１、対象者抽出部１１２、実績データ取得部１１３、消費行動推定部１１４及び特性決定部１１５は、図２に示されているＨＤＤ５０４からＲＡＭ５０３上に展開されたプログラムがＣＰＵ５０１に実行させる処理によって実現される。

サイト分類マスタ記憶部１０１には、サイト分類情報が記憶されている。サイト分類情報は、ウェブページと当該ウェブページに掲載されている情報のカテゴリとを関連付けるマスタデータである。サイト分類情報は、後述するサイト分類マスタに格納される。

ウェブ閲覧履歴記憶部１０２には、ウェブ閲覧履歴が記憶されている。ウェブ閲覧履歴は、ウェブサイトの閲覧者と当該閲覧者が閲覧したウェブページとを関連付けて記録した実績データである。ウェブ閲覧履歴は、後述するウェブ閲覧履歴テーブルに格納される。

ウェブ閲覧履歴は、ウェブサーバのアクセスログから取得することができる。特性推定装置１０は、所定の時間間隔で定期的にウェブ閲覧履歴をウェブサーバから取得してもよいし、ユーザの要求に応じてウェブ閲覧履歴をウェブサーバから取得してもよい。

顧客マスタ記憶部１０３には、顧客情報が記憶されている。顧客情報は、消費行動特性推定システム１を利用する企業等の顧客に関する情報を表すマスタデータである。顧客情報は、後述する顧客マスタに格納される。

顧客情報は、例えば、顧客に関する情報を管理する顧客管理システム等から取得することができる。特性推定装置１０は、所定の時間間隔で定期的に顧客情報を顧客管理システム等から取得してもよいし、ユーザの要求に応じて顧客情報を顧客管理システム等から取得してもよい。

被験者マスタ記憶部１０４には、被験者情報が記憶されている。被験者情報は、インターネットを通じて実施される市場調査に回答した被験者に関する情報を表すマスタデータである。被験者情報は、後述する被験者マスタに格納される。

接触媒体データ記憶部１０５には、接触媒体データが記憶されている。接触媒体データは、市場調査において被験者が回答した日常的に接触する媒体に関する情報を記録した実績データである。接触媒体データは、後述する接触媒体テーブルに格納される。

被験者情報及び接触媒体データは、市場調査を実行するためのアンケートサーバ等から取得することができる。特性推定装置１０は、所定の時間間隔で定期的に被験者情報及び接触媒体データをアンケートサーバ等から取得してもよいし、ユーザの要求に応じて被験者情報及び接触媒体データをアンケートサーバ等から取得してもよい。

商品購入データ記憶部１０６には、商品購入データが記憶されている。商品購入データは、顧客が商品又はサービスを購入した履歴を表す実績データである。商品購入データは、後述する商品購入実績テーブルに格納される。

商品購入データは、例えば、クレジットカードの決済履歴や商品又はサービスを電子的に販売するＥＣ（Electronic Commerce）サイトの購買履歴等から取得することができる。特性推定装置１０は、所定の時間間隔で定期的に商品購入データを取得してもよいし、ユーザの要求に応じて商品購入データを取得してもよい。

施策反応データ記憶部１０７には、施策反応データが記憶されている。施策反応データは、顧客が広告又は入電等の販売促進施策に対して反応したか否かを表す実績データである。施策反応データは、後述する施策反応実績テーブルに格納される。

施策反応データは、例えば、販売促進施策を実行するマーケティングシステム等から取得することができる。特性推定装置１０は、所定の時間間隔で定期的に施策反応データをマーケティングシステム等から取得してもよいし、ユーザの要求に応じて施策反応データをマーケティングシステム等から取得してもよい。

特性決定規則記憶部１０８には、特性決定規則が記憶されている。特性決定規則は、対象ユーザについて推定された消費行動データに基づいて、予め定めた消費行動特性のいずれに該当するかを判定するための規則を表す情報である。特性決定規則は、消費行動特性推定システム１のユーザにより予め決定される。特性決定規則は、後述する特性決定規則テーブルに格納される。

閲覧履歴分類部１１１は、ウェブ閲覧履歴とサイト分類マスタとを突合することで、各ウェブ閲覧履歴に記録されているウェブページのカテゴリを特定する。

対象者抽出部１１２は、ウェブ閲覧履歴と被験者マスタとを突合することで、各ウェブ閲覧履歴の閲覧者と市場調査の被験者とを関連付ける。これにより、消費行動特性を推定する対象ユーザが抽出される。

実績データ取得部１１３は、対象ユーザに関する消費行動実績データを取得する。本実施形態における消費行動実績データは、接触媒体データ、商品購入データ及び施策反応データ等である。

消費行動推定部１１４は、対象ユーザに関するウェブ閲覧履歴及び消費行動実績データに基づいて、対象ユーザに関する消費行動データを推定する。本実施形態における消費行動データは、対象ユーザの購買速度を表す購買速度データ、及び対象ユーザの傾聴度を表す傾聴度データ等である。

特性決定部１１５は、対象ユーザに関する消費行動データに基づいて、対象ユーザの消費行動特性を決定する。消費行動特性の決定は、特性決定規則に従って行う。

＜消費行動特性推定システムの処理手順＞
次に、本実施形態における消費行動特性推定システム１が実行する消費行動特性推定方法について、図４を参照しながら説明する。図４は、本実施形態における消費行動特性推定方法の処理手順の一例を示すフローチャートである。

ステップＳ１において、ユーザ端末２０は、消費行動特性推定システム１のユーザによる操作に応じて、消費行動特性の推定を要求する要求信号を特性推定装置１０に送信する。特性推定装置１０は、要求信号をユーザ端末２０から受信し、閲覧履歴分類部１１１を起動する。

特性推定装置１０が備える閲覧履歴分類部１１１は、ウェブ閲覧履歴記憶部１０２に記憶されているウェブ閲覧履歴テーブルからウェブ閲覧履歴を読み出す。次に、閲覧履歴分類部１１１は、サイト分類マスタ記憶部１０１に記憶されているサイト分類マスタからサイト分類情報を読み出す。

≪サイト分類マスタ≫
本実施形態におけるサイト分類マスタについて、図５を参照しながら説明する。図５は、本実施形態におけるサイト分類マスタの一例を示す概念図である。

図５に示されているように、本実施形態におけるサイト分類マスタは、データ項目として、ＵＲＬ（Uniform Resource Locator）、大項目及び中項目等を有する。ＵＲＬはウェブページの位置を表す情報である。大項目は、当該ウェブページのカテゴリを表す情報である。中項目は、大項目を細分化したサブカテゴリを表す情報である。図５に例示したサイト分類マスタは大項目及び中項目の２段階でカテゴリを細分化しているが、カテゴリの段階数は必要に応じて任意に設定すればよい。

≪ウェブ閲覧履歴テーブル≫
本実施形態におけるウェブ閲覧履歴テーブルについて、図６を参照しながら説明する。図６は、本実施形態におけるウェブ閲覧履歴テーブルの一例を示す概念図である。

図６に示されているように、本実施形態におけるウェブ閲覧履歴テーブルは、データ項目として、履歴ＩＤ、クッキー（Cookie）、アクセス時刻（Time）、ＵＲＬ、閲覧回数（Count）及び参照元（Source）等を有する。履歴ＩＤは、当該閲覧履歴を識別する識別情報である。クッキーは、ウェブの閲覧者が用いる情報処理端末に記録される識別情報である。したがって、クッキーによりウェブの閲覧者を特定することができる。参照元は、当該ＵＲＬを開いたリンク元のメディアを示す情報である。

続いて、閲覧履歴分類部１１１は、ウェブ閲覧履歴に含まれるＵＲＬとサイト分類情報に含まれるＵＲＬとを突合する。これにより、各ウェブ閲覧履歴に記録されているウェブページのカテゴリが特定される。ＵＲＬの突合は、全文一致で行ってもよいし、前方一致で行ってもよい。また、ＵＲＬの突合は、ドメインの完全一致で行ってもよいし、ドメインの部分一致で行ってもよい。

図７は、サイト分類情報が付与されたウェブ閲覧履歴の一例を示す概念図である。図７に示されているように、当該ウェブ閲覧履歴では、各ＵＲＬにサイト分類マスタの大項目及び小項目等が付与されている。これにより、当該ウェブ閲覧履歴では、各ＵＲＬが示すウェブページのカテゴリが特定されている。例えば、「http://abc.com/456」というＵＲＬが示すウェブページは、自動車に関するニュースが記載されたウェブページであることがわかる。

図４に戻って説明する。ステップＳ２において、特性推定装置１０が備える対象者抽出部１１２は、ウェブ閲覧履歴記憶部１０２に記憶されているウェブ閲覧履歴テーブルからウェブ閲覧履歴を読み出す。次に、対象者抽出部１１２は、被験者マスタ記憶部１０４に記憶されている被験者マスタから被験者情報を読み出す。

≪被験者マスタ≫
本実施形態における被験者マスタについて、図８を参照しながら説明する。図８は、本実施形態における被験者マスタの一例を示す概念図である。

図８に示されているように、本実施形態における被験者マスタは、データ項目として、調査ＩＤ、クッキー（Cookie）、ＲＭＩＤ、ＷＴ＿ＦＰＣ及び顧客ＩＤ等を有する。調査ＩＤは、市場調査結果を識別する識別情報であり、市場調査の被験者に対して一意に割り当てられるＩＤである。顧客ＩＤは、顧客マスタに格納されている顧客ＩＤのいずれかである。すなわち、被験者マスタは、顧客ＩＤにより顧客マスタと関連付けられている。

≪顧客マスタ≫
本実施形態における顧客マスタについて、図９を参照しながら説明する。図９は、本実施形態における顧客マスタの一例を示す概念図である。

図９に示されているように、本実施形態における顧客マスタは、データ項目として、顧客ＩＤ、氏名、連絡先（メールアドレス等）及びフェーズ等を有する。顧客ＩＤは、顧客を識別する識別情報である。フェーズは、当該顧客の商材に対する興味の度合いを複数の段階に分類した情報である。フェーズは、例えば、顧客に対する市場調査の結果や販売促進施策に対する反応等により決定され、例えば、顧客管理システム等に登録される。

本実施形態におけるフェーズは、「認知～興味」、「興味～関心」、「関心～欲求」、「欲求～行動」及び「行動～共有」の５段階である。フェーズの種類はこれらに限定されず、より細分化した６段階以上でもよいし、より集約化した４段階以下でもよい。

認知は、顧客が商材を認知している状態である。なお、商材は、商品又はサービスに限らず、ブランドを含む広義の商品であってもよい。興味は、顧客が商材に興味を示している状態である。関心は、顧客が商材に関心を示している状態である。欲求は、顧客が商材を購入したいと感じている状態である。行動は、顧客が商材を購入するための行動を実行した状態である。共有は、顧客が商材に関する情報を他者と共有した状態である。

対象者抽出部１１２は、ウェブ閲覧履歴に含まれるクッキーと被験者情報に含まれるクッキーとを突合する。クッキーの突合は、全文一致で行う。これにより、各ウェブ閲覧履歴の閲覧者と市場調査の被験者とが関連付けられる。

図１０は、被験者情報が関連付けられたウェブ閲覧履歴の一例を示す概念図である。図１０に示されているように、ウェブ閲覧履歴の各クッキーに被験者マスタの調査ＩＤ及び顧客ＩＤ等が関連付けられている。これにより、各クッキーに対応する顧客ＩＤが特定される。例えば、「a3fWa」というクッキーが割り当てられたユーザは、「U0001」という顧客ＩＤで識別される顧客であることがわかる。

対象者抽出部１１２は、ウェブ閲覧履歴と関連付けることができた被験者情報に含まれる顧客ＩＤを抽出する。以降、抽出された顧客ＩＤを、対象ユーザの顧客ＩＤとして扱う。すなわち、対象ユーザは、消費行動特性推定システム１を利用する企業等のウェブを閲覧したユーザのうち顧客ＩＤを特定できたユーザである。

図４に戻って説明する。ステップＳ３において、特性推定装置１０が備える実績データ取得部１１３は、接触媒体データ記憶部１０５に記憶されている接触媒体テーブルから対象ユーザに関する接触媒体データを読み出す。次に、実績データ取得部１１３は、商品購入データ記憶部１０６に記憶されている商品購入実績テーブルから対象ユーザに関する商品購入データを読み出す。続いて、実績データ取得部１１３は、施策反応データ記憶部１０７に記憶されている施策反応実績テーブルから対象ユーザに関する施策反応データを読み出す。

そして、実績データ取得部１１３は、同じ顧客に関する接触媒体データ、商品購入データ及び施策反応データを関連付ける。これにより、対象ユーザに関する消費行動実績データが取得される。

≪接触媒体テーブル≫
本実施形態における接触媒体テーブルについて、図１１を参照しながら説明する。図１１は、本実施形態における接触媒体テーブルの一例を示す概念図である。

図１１に示されているように、本実施形態における接触媒体テーブルは、データ項目として、調査ＩＤ、及び接触頻度等を有する。接触頻度は、媒体（テレビ、ネット、新聞及び雑誌等）ごとの接触頻度を表す情報である。調査ＩＤは、被験者マスタに格納されている調査ＩＤのいずれかである。すなわち、接触媒体テーブルは、調査ＩＤにより被験者マスタと関連付けられている。

≪商品購入実績テーブル≫
本実施形態における商品購入実績テーブルについて、図１２を参照しながら説明する。図１２は、本実施形態における商品購入実績テーブルの一例を示す概念図である。

図１２に示されているように、本実施形態における商品購入実績テーブルは、データ項目として、商品（又はサービス）を購入した購入日時、顧客ＩＤ及び購入した商材等を有する。顧客ＩＤは、顧客マスタに格納されている顧客ＩＤのいずれかである。すなわち、商品購入実績テーブルは、顧客ＩＤにより顧客マスタと関連付けられている。

≪施策反応実績テーブル≫
本実施形態における施策反応実績テーブルについて、図１３を参照しながら説明する。図１３は、本実施形態における施策反応実績テーブルの一例を示す概念図である。

図１３に示されているように、本実施形態における施策反応実績テーブルは、データ項目として、顧客ＩＤ及びフェーズごとの反応有無等を有する。顧客ＩＤは、顧客マスタに格納されている顧客ＩＤのいずれかである。すなわち、施策反応実績テーブルは、顧客ＩＤにより顧客マスタと関連付けられている。

フェーズは、顧客マスタのフェーズと同様に、「認知～興味」、「興味～関心」、「関心～欲求」、「欲求～行動」及び「行動～共有」の５段階である。施策反応実績テーブルでは、各フェーズにおいて当該顧客が販売促進施策に対して反応したか否かが記録される。

図４に戻って説明する。ステップＳ４において、特性推定装置１０が備える消費行動推定部１１４は、対象ユーザに関するウェブ閲覧履歴及び消費行動実績データに基づいて、購買速度データの正解値及び傾聴度データの正解値を算出する。購買速度データの正解値及び傾聴度データの正解値は、予め定めたルールに従ってウェブ閲覧履歴及び消費行動実績データから算出する。

次に、消費行動推定部１１４は、ウェブ閲覧履歴及び消費行動実績データに購買速度データの正解値及び傾聴度データの正解値を付与する。これにより、ウェブ閲覧履歴及び消費行動実績データを説明変数とし、購買速度データ又は傾聴度データを目的変数とする学習データが生成される。消費行動推定部１１４は、当該学習データを用いて学習した機械学習モデルを用いて、対象ユーザに関する購買速度データ及び傾聴度データを推定する。

具体的には、消費行動推定部１１４は、ウェブ閲覧履歴及び消費行動実績データに購買速度データの正解値を付与した学習データに対して、重回帰分析を行うことで対象ユーザに関する購買速度データを推定する。また、消費行動推定部１１４は、ウェブ閲覧履歴及び消費行動実績データに傾聴度データの正解値を付与した学習データに対して、重回帰分析を行うことで対象ユーザに関する傾聴度データを推定する。

重回帰分析は、機械学習モデルの一例であって、他の機械学習モデルを用いてもよい。例えば、決定木又はニューラルネットワーク等により、対象ユーザに関する購買速度データ及び傾聴度データを推定してもよい。

図１４は、購買速度データ及び傾聴度データの一例を示す概念図である。図１４に示されているように、購買速度データは、対象ユーザのフェーズごとの購買速度を示すデータである。購買速度は、当該フェーズにおいて商材の購入に至るまでの時間を表す指標である。

本実施形態における購買速度は、当該フェーズに進んでから購入までに要した時間を０以上１以下の数値に変換した指標である。購買速度は、値が小さいほど購買速度が速く、値が大きいほど購買速度が遅いことを示す。なお、当該フェーズに進む前に商品を購入する場合もあるため、購買速度は負の値となることもある。例えば、商品を認知した段階で商品を購入した場合に、興味以降のフェーズに対応する購買速度は負の値となる。

また、図１４に示されているように、傾聴度データは、対象ユーザのフェーズごとの傾聴度を示すデータである。傾聴度は、施策に対する反応の有無を表す真理値である。傾聴度データは、施策反応データと同様のデータである。

図４に戻って説明する。ステップＳ５において、特性推定装置１０が備える特性決定部１１５は、対象ユーザに関する購買速度データから購買速度スコアを算出する。購買速度スコアの算出は、購買速度データに対する重回帰分析により行う。次に、特性決定部１１５は、対象ユーザに関する傾聴度データから傾聴度スコアを算出する。傾聴度スコアの算出は、傾聴度データに対する重回帰分析により行う。

図１５は、購買速度スコア及び傾聴度スコアの一例を示す概念図である。図１５に示されているように、購買速度スコアは、フェーズに依らない対象ユーザの全体的な購買速度を表す指標である。また、傾聴度スコアは、フェーズに依らない対象ユーザの全体的な傾聴度を表す指標である。

図４に戻って説明する。ステップＳ６において、特性推定装置１０が備える特性決定部１１５は、特性決定規則記憶部１０８に記憶されている特性決定規則テーブルから特性決定規則を読み出す。そして、特性決定部１１５は、購買速度スコア及び傾聴度スコアの組み合わせが該当する消費行動特性を特定することで、当該対象ユーザの消費行動特性を決定する。

≪特性決定規則テーブル≫
本実施形態における特性決定規則テーブルについて、図１６を参照しながら説明する。図１６は、本実施形態における特性決定規則テーブルの一例を示す概念図である。

図１６に示されているように、本実施形態における特性決定規則テーブルは、データ項目として、消費行動特性、購買速度スコア及び傾聴度スコア等を有する。購買速度スコア及び傾聴度スコアは、スコアの範囲で設定され、ある購買速度スコア及び傾聴度スコアの組み合わせに対して一意の消費行動特性が決定されるように設定されている。すなわち、特性決定規則は、購買速度スコア及び傾聴度スコアの組み合わせと消費行動特性とを対応付ける規則である。

特性決定部１１５は、対象ユーザに関する消費行動特性の推定結果を出力する。特性推定装置１０は、特性決定部１１５により出力される消費行動特性推定結果をユーザ端末２０に送信する。ユーザ端末２０は、特性推定装置１０から消費行動特性推定結果を受信し、表示装置５０６等に表示する。

図１７は、消費行動特性推定結果の一例を示す概念図である。図１７に示されているように、消費行動特性推定結果は、各対象ユーザについて推定された消費行動特性を列挙した情報である。ユーザ端末２０が表示する推定結果は、特性推定装置１０から受信した推定結果を加工した情報であってもよい。例えば、推定結果は、ユーザにより指定された消費行動特性に該当すると推定された対象ユーザの一覧であってもよい。

＜実施形態の効果＞
本実施形態における消費行動特性推定システムは、ユーザがウェブを閲覧した履歴及びユーザが行った消費行動の実績に基づいて、対象ユーザに関する購買速度データ及び傾聴度データを推定し、購買速度データ及び傾聴度データに基づいて、対象ユーザの消費行動特性を推定する。したがって、本実施形態における消費行動特性推定システムによれば、対象ユーザの消費行動を表す実績データに基づいて対象ユーザの消費行動特性を推定することができる。

本実施形態における消費行動特性推定システムは、ウェブ閲覧履歴及び消費行動実績データに基づいて、消費行動特性を決定するために用いる購買速度データ及び傾聴度データを推定する。すなわち、本実施形態における消費行動特性推定システムは、既存の実績データに基づいて消費行動特性を決定する。そのため、新規の対象ユーザについて新たな情報を取得する必要がない。したがって、本実施形態における消費行動特性推定システムによれば、リアルタイムに対象ユーザの消費行動特性を推定することができる。

例えば、特許文献１に開示された発明では、新規ユーザの特性を推定するために、新たにアンケート結果を取得する必要がある。そのため、特許文献１に開示された発明は、不特定ユーザの流出入が多く、リアルタイム性が求められるタスクに適用することは困難であった。

［補足］
上記で説明した実施形態の各機能は、一又は複数の処理回路によって実現することが可能である。ここで、本明細書における「処理回路」とは、電子回路により実装されるプロセッサのようにソフトウェアによって各機能を実行するようプログラミングされたプロセッサや、上記で説明した各機能を実行するよう設計されたＡＳＩＣ（Application Specific Integrated Circuit）、ＤＳＰ（Digital Signal Processor）、ＦＰＧＡ（Field Programmable Gate Array）や従来の回路モジュール等の機器を含むものとする。

以上、本発明の実施の形態について詳述したが、本発明はこれらの実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形又は変更が可能である。

１ 消費行動特性推定システム
１０ 特性推定装置
１０１ サイト分類マスタ記憶部
１０２ ウェブ閲覧履歴記憶部
１０３ 顧客マスタ記憶部
１０４ 被験者マスタ記憶部
１０５ 接触媒体データ記憶部
１０６ 商品購入データ記憶部
１０７ 施策反応データ記憶部
１０８ 特性決定規則記憶部
１１１ 閲覧履歴分類部
１１２ 対象者抽出部
１１３ 実績データ取得部
１１４ 消費行動推定部
１１５ 特性決定部
２０ ユーザ端末

Claims (5)

1. ウェブ閲覧履歴に基づいて対象ユーザを抽出するように構成されている対象者抽出部と、
   前記対象ユーザが商材を購入した実績に関する商品購入データ、及び前記対象ユーザによる販売促進施策に対する反応の有無を表す施策反応データの少なくとも１つを含む消費行動実績データを取得するように構成されている実績データ取得部と、
   前記ウェブ閲覧履歴及び前記消費行動実績データに基づいて、前記対象ユーザの商材に対する興味の度合いを分類した段階ごとの購入に至るまでの時間を表す購買速度データ及び前記段階ごとの前記販売促進施策に対する反応の有無を表す傾聴度データを推定するように構成されている消費行動推定部と、
   前記購買速度データ及び前記傾聴度データに基づいて前記対象ユーザの消費行動特性を決定するように構成されている特性決定部と、
   を備える特性推定装置。
2. 請求項１に記載の特性推定装置であって、
   前記消費行動推定部は、前記ウェブ閲覧履歴及び前記消費行動実績データに前記購買速度データの正解値及び前記傾聴度データの正解値を付与したデータに対する重回帰分析により、前記対象ユーザの前記購買速度データ及び前記傾聴度データを推定するように構成されている、
   特性推定装置。
3. 請求項２に記載の特性推定装置であって、
   前記特性決定部は、前記購買速度データから算出した購買速度スコア及び前記傾聴度データから算出した傾聴度スコアの組み合わせと前記消費行動特性とを対応付ける特性決定規則に従って、前記対象ユーザの前記消費行動特性を決定するように構成されている、
   特性推定装置。
4. コンピュータが、
   ウェブ閲覧履歴に基づいて対象ユーザを抽出する手順と、
   前記対象ユーザが商材を購入した実績に関する商品購入データ、及び前記対象ユーザによる販売促進施策に対する反応の有無を表す施策反応データの少なくとも１つを含む消費行動実績データを取得する手順と、
   前記ウェブ閲覧履歴及び前記消費行動実績データに基づいて、前記対象ユーザの商材に対する興味の度合いを分類した段階ごとの購入に至るまでの時間を表す購買速度データ及び前記段階ごとの前記販売促進施策に対する反応の有無を表す傾聴度データを推定する手順と、
   前記購買速度データ及び前記傾聴度データに基づいて前記対象ユーザの消費行動特性を決定する手順と、
   を実行する特性推定方法。
5. コンピュータに、
   ウェブ閲覧履歴に基づいて対象ユーザを抽出する手順と、
   前記対象ユーザが商材を購入した実績に関する商品購入データ、及び前記対象ユーザによる販売促進施策に対する反応の有無を表す施策反応データの少なくとも１つを含む消費行動実績データを取得する手順と、
   前記ウェブ閲覧履歴及び前記消費行動実績データに基づいて、前記対象ユーザの商材に対する興味の度合いを分類した段階ごとの購入に至るまでの時間を表す購買速度データ及び前記段階ごとの前記販売促進施策に対する反応の有無を表す傾聴度データを推定する手順と、
   前記購買速度データ及び前記傾聴度データに基づいて前記対象ユーザの消費行動特性を決定する手順と、
   を実行させるためのプログラム。

Images