特許 6035404 訪問準備システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】6035404

(24)【登録日】2016年11月4日

(45)【発行日】2016年11月30日

(54)【発明の名称】訪問準備システム

(51)【国際特許分類】

   G06Q 40/08 20120101AFI20161121BHJP

   G06Q 30/02 20120101ALI20161121BHJP

   G06Q 30/06 20120101ALI20161121BHJP

【ＦＩ】

   G06Q40/08

   G06Q30/02 470

   G06Q30/06 330

【請求項の数】7

【全頁数】27

(21)【出願番号】特願2015-224651(P2015-224651)

(22)【出願日】2015年11月17日

【審査請求日】2015年11月17日

(73)【特許権者】

【識別番号】591230273

【氏名又は名称】日本生命保険相互会社

(74)【代理人】

【識別番号】110000176

【氏名又は名称】一色国際特許業務法人

(72)【発明者】

【氏名】井上 晴雄

(72)【発明者】

【氏名】田島 一也

(72)【発明者】

【氏名】丸尾 勇太

【審査官】 関 博文

(56)【参考文献】

【文献】 特開２００３−１６７９９３（ＪＰ，Ａ）

【文献】 特開２００３−１５７３６１（ＪＰ，Ａ）

【文献】 特開２００５−２８４４４５（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００−９９／００

(57)【特許請求の範囲】

【請求項1】

通信ネットワークを介して少なくとも１つのクライアント端末と接続され、複数の商品パターンについての営業戦略を生成する営業支援システムであって、
該複数の商品パターンのうちの少なくとも１つの契約をしている既契約顧客及び該複数の商品パターンのいずれも契約していない新規顧客の各々について、それぞれの顧客と一意に関連し、顧客属性、顧客契約状況、及び顧客嗜好を格納する顧客アカウントと、該クライアント端末の機器識別子と一意に関連している識別子を割り当てられた少なくとも１人の営業担当者の各々と一意に関連し、該営業担当者の担当者活動履歴を格納する担当者アカウントと、該営業担当者用のメッセージを格納するメッセージテーブルとを格納するデータベースと、
該顧客アカウントの顧客属性及び顧客契約状況に基づいて、該複数の商品パターンの各々について、該既契約顧客及び該新規顧客による該商品パターンの予測契約確率を算出する確率モデルを生成し、該確率モデルを用いて、該既契約顧客及び該新規顧客の各々について、各商品パターンの該予測契約確率を算出するモデル生成部と、
該顧客アカウントの該顧客嗜好と該顧客属性と該顧客契約状況とに基づいて決定される優先順位と、該担当者アカウントの該担当者活動履歴と、該予測契約確率に基づいて、該少なくとも１人の営業担当者の各々について、該メッセージテーブルから複数のメッセージを選択するメッセージ決定部とを含む、営業支援システム。

【請求項2】

請求項１に記載の営業支援システムにおいて、
該少なくとも１人の営業担当者について該選択されたメッセージは、該担当者と関連する該クライアント端末に送信され、該優先順位の高い順に該クライアント端末の表示部に表示される、営業支援システム。

【請求項3】

請求項２に記載の営業支援システムにおいて、
該少なくとも１人の担当者について該選択された複数のメッセージのうちの少なくとも１つのメッセージを該担当者が既に実行済みであることが、該担当者アカウントの該担当者活動履歴に記録されている場合には、該実行済みのメッセージは、表示対象から除外され、より優先順位の低い少なくとも１つのメッセージが繰り上がって表示され、
ある時間期間において該担当者の該クライアント端末に表示されているメッセージのうち、該担当者がその後に実行したメッセージについて、該担当者が該メッセージを実行したという記録が反映されるように、該担当者アカウントの該担当者活動履歴が更新された場合には、その後の時間期間において、該実行されたメッセージは削除され、より優先順位の低い少なくとも１つのメッセージが繰り上がって表示される、営業支援システム。

【請求項4】

通信ネットワークを介して少なくとも１つのクライアント端末と接続され、複数の商品パターンのうちの少なくとも１つの契約をしている既契約顧客及び該複数の商品パターンのいずれも契約していない新規顧客の各々について、それぞれの顧客と一意に関連し、顧客属性、顧客契約状況、及び顧客嗜好を格納する顧客アカウントと、該クライアント端末の機器識別子と一意に関連している識別子を割り当てられた営業担当者の各々と一意に関連し、該営業担当者の担当者活動履歴を格納する担当者アカウントと、該営業担当者用のメッセージを格納するメッセージテーブルとを格納するデータベースと、モデル生成部と、メッセージ決定部とを含む営業支援システムを用いて、該複数の商品パターンについての営業戦略を生成する営業支援方法であって、
該モデル生成部が、該顧客アカウントの顧客属性及び顧客契約状況に基づいて、該複数の商品パターンの各々について、該既契約顧客及び該新規顧客による該商品パターンの予測契約確率を算出する確率モデルを生成し、該確率モデルを用いて、該既契約顧客及び該新規顧客の各々について、各商品パターンの該予測契約確率を算出するステップと、
メッセージ決定部が、該顧客アカウントの該顧客嗜好と該顧客属性と該顧客契約状況とに基づいて決定される優先順位と、該担当者アカウントの該担当者活動履歴と、該予測契約確率に基づいて、該少なくとも１人の営業担当者の各々について、該メッセージテーブルから複数のメッセージを選択するステップとを含む、営業支援方法。

【請求項5】

請求項４に記載の営業支援方法において、
該少なくとも１人の営業担当者について該選択されたメッセージは、該担当者と関連する該クライアント端末に送信され、該優先順位の高い順に該クライアント端末の表示部に表示される、営業支援方法。

【請求項6】

請求項５に記載の営業支援方法において、
該少なくとも１人の担当者について該選択された複数のメッセージのうちの少なくとも１つのメッセージを該担当者が既に実行済みであることが、該担当者アカウントの該担当者活動履歴に記録されている場合には、該実行済みのメッセージは、表示対象から除外され、より優先順位の低い少なくとも１つのメッセージが繰り上がって表示され、
ある時間期間において該担当者の該クライアント端末に表示されているメッセージのうち、該担当者がその後に実行したメッセージについて、該担当者が該メッセージを実行したという記録が反映されるように、該担当者アカウントの該担当者活動履歴が更新された場合には、その後の時間期間において、該実行されたメッセージは削除され、より優先順位の低い少なくとも１つのメッセージが繰り上がって表示される、営業支援方法。

【請求項7】

コンピュータによって実行されて、通信ネットワークを介して少なくとも１つのクライアント端末と接続され、複数の商品パターンのうちの少なくとも１つの契約をしている既契約顧客及び該複数の商品パターンのいずれも契約していない新規顧客の各々について、それぞれの顧客と一意に関連し、顧客属性、顧客契約状況、及び顧客嗜好を格納する顧客アカウントと、該クライアント端末の機器識別子と一意に関連している識別子を割り当てられた営業担当者の各々と一意に関連し、該営業担当者の担当者活動履歴を格納する担当者アカウントと、該営業担当者用のメッセージを格納するメッセージテーブルとを格納するデータベースと、モデル生成部と、メッセージ決定部とを含む営業支援システムに、該複数の商品パターンについての営業戦略を生成する営業支援方法を実行させるソフトウェアプログラムであって、該方法は、
該モデル生成部が、該顧客アカウントの顧客属性及び顧客契約状況に基づいて、該複数の商品パターンの各々について、該既契約顧客及び該新規顧客による該商品パターンの予測契約確率を算出する確率モデルを生成し、該確率モデルを用いて、該既契約顧客及び該新規顧客の各々について、各商品パターンの該予測契約確率を算出するステップと、
メッセージ決定部が、該顧客アカウントの該顧客嗜好と該顧客属性と該顧客契約状況とに基づいて決定される優先順位と、該担当者アカウントの該担当者活動履歴と、該予測契約確率に基づいて、該少なくとも１人の営業担当者の各々について、該メッセージテーブルから複数のメッセージを選択するステップとを含む、ソフトウェアプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、訪問準備システム、より具体的には、生命保険の営業を支援するための訪問準備システムに関する。

【背景技術】

【0002】

近年の科学技術の発展に伴うデータベース等の記憶媒体の大容量化により、蓄積された大量のデータの中から得られる情報は、膨大であり多種多様かつ複雑となっている。そのため、従来の統計解析手法では扱うことが難しいデータが混在している。

【0003】

ここで、生命保険商品の営業活動は、見込客に何らかの形で働きかけるコンタクト又は確認活動を行う第１プロセス、既契約顧客及び新規の顧客の契約に必要な情報を収集する第２プロセス、収集した情報に基づいて保険商品の大まかな提案を行う第３プロセス、提案に応じて顧客のニーズ等を把握してより具体的かつ詳細な商品の提案を行う第４プロセス、最終的な契約の締結（クロージング）を行う第５プロセスとからなる。

【0004】

一般的に、マーケティング等の営業活動においては、様々な形式のデータベースの中のこれらの多種多様かつ複雑なデータから有用な情報を取り出して計画を立案する必要があるが、従来の伝統的な生命保険商品の営業活動においては、個々の顧客に対する個別具体的な保険営業について、個々の営業職員のスキルや経験に頼っていたため、提案しなければならない事項やヒアリングしなければいけない事項等について十分に確認ができず、営業活動が非効率となるケースがあった。さらに、個々の営業職員に活動内容を委ねるということは、マネジメント層による効率的な指導を困難にするといった弊害も招いていた。

【0005】

このような状況にかんがみ、顧客関係管理（Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ（ＣＲＭ））といったマーケティングの考え方が出現し、ＣＲＭにおいては、１人ひとりの顧客の特性を識別する必要が生じ、データマイニングが注目されている。データマイニングとは、統計学、パターン認識、人工知能等のデータ解析の技法を用いて大量のデータを分析し、隠れた相関関係や意味を見つけ出す技術であり、役立つ可能性があり且つ自明でない情報をデータから抽出する一分析手法をいう。

【0006】

例えば、特許文献１は、従来、各営業担当者が自己の経験により判断していた契約の見込度を、客観的尺度に基づいて算出する方法及びシステムを教示している。特許文献１の営業支援システムにおいては、コンタクト量取得部２１１が、各顧客（未契約及び既契約を含む）について、営業担当者がその顧客にコンタクトした回数であるコンタクト量を取得し、情報量取得部２１２が、各顧客について、営業担当者がその顧客から収集した顧客に関する情報の情報量を取得し、見込度決定部２１３が、コンタクト量及び情報量に応じて顧客について契約成立の見込度を決定している。特許文献１のシステム及び方法は、算出された契約の見込度をその後の各顧客に対する営業活動の指針にするというものである。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開２０１３‐２００６５５号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

しかしながら、特許文献１のシステム及び方法においては、契約成立の見込度を取得した後に、各営業担当が自己の経験に基づいて営業方針を決定しており、提案しなければならない事項やヒアリングしなければいけない事項等について十分に確認ができず、営業活動が非効率となる場合がある。さらに、個々の営業担当に活動内容を委ねているため、マネジメント層による効率的な指導も困難である。

【0009】

一方で、ＣＲＭにおいては、顧客との良好な関係を保ち続け、顧客１人ひとりの要求に応えるような仕組み作りが要求され、個々の顧客の違いを識別する必要がある。従って、特許文献１におけるような、各顧客の違いに関わらず均一な方法での営業方針の決定は意味がなく、個々の顧客に対する具体的な営業方針を決定する際には、顧客の属性や保険検討段階に基づいて、対応すべき事項や提案内容をカスタマイズする必要がある。

【0010】

従って、上記の問題点を解決するために、営業方針の決定に必要な情報を分析及び集約して営業担当に提示することで、個々の営業担当のスキルや経験に頼ることがなく、且つ、各顧客の特性に合致する営業方針の決定を行うことのできるシステムを構築する必要がある。

【課題を解決するための手段】

【0011】

本発明の第１の態様によれば、本発明は、通信ネットワークを介して少なくとも１つのクライアント端末と接続され、複数の商品パターンについての営業戦略を生成する営業支援システムであって、
該複数の商品パターンのうちの少なくとも１つの契約をしている既契約顧客及び該複数の商品パターンのいずれも契約していない新規顧客の各々について、それぞれの顧客と一意に関連し、顧客属性、顧客契約状況、及び顧客嗜好を格納する顧客アカウントと、該クライアント端末の機器識別子と一意に関連している識別子を割り当てられた少なくとも１人の営業担当者の各々と一意に関連し、該営業担当者の担当者活動履歴を格納する担当者アカウントと、該営業担当者用のメッセージを格納するメッセージテーブルとを格納するデータベースと、
該顧客アカウントの顧客属性及び顧客契約状況に基づいて、該複数の商品パターンの各々について、該既契約顧客及び該新規顧客による該商品パターンの予測契約確率を算出する確率モデルを生成し、該確率モデルを用いて、該既契約顧客及び該新規顧客の各々について、各商品パターンの該予測契約確率を算出するモデル生成部と、
該顧客アカウントの該顧客嗜好と該顧客属性と該顧客契約状況とに基づいて決定される優先順位と、該担当者アカウントの該担当者活動履歴と、該予測契約確率に基づいて、該少なくとも１人の営業担当者の各々について、該メッセージテーブルから複数のメッセージを選択するメッセージ決定部とを含む、営業支援システムである。

【0012】

本発明の第２の態様によれば、本発明は、通信ネットワークを介して少なくとも１つのクライアント端末と接続され、複数の商品パターンのうちの少なくとも１つの契約をしている既契約顧客及び該複数の商品パターンのいずれも契約していない新規顧客の各々について、それぞれの顧客と一意に関連し、顧客属性、顧客契約状況、及び顧客嗜好を格納する顧客アカウントと、該クライアント端末の機器識別子と一意に関連している識別子を割り当てられた営業担当者の各々と一意に関連し、該営業担当者の担当者活動履歴を格納する担当者アカウントと、該営業担当者用のメッセージを格納するメッセージテーブルとを格納するデータベースと、モデル生成部と、メッセージ決定部とを含む営業支援システムを用いて、該複数の商品パターンについての営業戦略を生成する営業支援方法であって、
該モデル生成部が、該顧客アカウントの顧客属性及び顧客契約状況に基づいて、該複数の商品パターンの各々について、該既契約顧客及び該新規顧客による該商品パターンの予測契約確率を算出する確率モデルを生成し、該確率モデルを用いて、該既契約顧客及び該新規顧客の各々について、各商品パターンの該予測契約確率を算出するステップと、
メッセージ決定部が、該顧客アカウントの該顧客嗜好と該顧客属性と該顧客契約状況とに基づいて決定される優先順位と、該担当者アカウントの該担当者活動履歴と、該予測契約確率に基づいて、該少なくとも１人の営業担当者の各々について、該メッセージテーブルから複数のメッセージを選択するステップとを含む、営業支援方法である。

【0013】

本発明の第３の態様によれば、本発明は、コンピュータによって実行されて、通信ネットワークを介して少なくとも１つのクライアント端末と接続され、複数の商品パターンのうちの少なくとも１つの契約をしている既契約顧客及び該複数の商品パターンのいずれも契約していない新規顧客の各々について、それぞれの顧客と一意に関連し、顧客属性、顧客契約状況、及び顧客嗜好を格納する顧客アカウントと、該クライアント端末の機器識別子と一意に関連している識別子を割り当てられた営業担当者の各々と一意に関連し、該営業担当者の担当者活動履歴を格納する担当者アカウントと、該営業担当者用のメッセージを格納するメッセージテーブルとを格納するデータベースと、モデル生成部と、メッセージ決定部とを含む営業支援システムに、該複数の商品パターンについての営業戦略を生成する営業支援方法を実行させるソフトウェアプログラムであって、該方法は、
該モデル生成部が、該顧客アカウントの顧客属性及び顧客契約状況に基づいて、該複数の商品パターンの各々について、該既契約顧客及び該新規顧客による該商品パターンの予測契約確率を算出する確率モデルを生成し、該確率モデルを用いて、該既契約顧客及び該新規顧客の各々について、各商品パターンの該予測契約確率を算出するステップと、
メッセージ決定部が、該顧客アカウントの該顧客嗜好と該顧客属性と該顧客契約状況とに基づいて決定される優先順位と、該担当者アカウントの該担当者活動履歴と、該予測契約確率に基づいて、該少なくとも１人の営業担当者の各々について、該メッセージテーブルから複数のメッセージを選択するステップとを含む、ソフトウェアプログラムである。

【0014】

その他、本願が開示する課題、及びその解決方法は、発明を実施するための形態の欄の記載、及び図面の記載等により明らかにされる。

【発明の効果】

【0015】

本発明によれば、営業方針の決定に必要な情報を分析及び集約して各営業担当（以下、「エージェント」とする）に提示することで、個々のエージェントのスキルや経験に頼ることなく、且つ、各顧客に固有の営業方針の決定を行うことができる。これにより、対応すべき事項や提案内容を各顧客固有に柔軟にカスタマイズすることができる。

【0016】

各顧客について、顧客の属性、既契約の顧客の加入傾向に基づいて算出した加入確率、及びその顧客が加入する確率が最も高い商品に関するメッセージの優先度とに基づいて、その顧客が加入する確率が最も高い商品、対応すべき事項及び提案手法（メッセージ）、及び加入確率を１画面に表示することで、各エージェントの活動すべきポイントを明確にすることができ、各顧客との信頼関係構築が可能となる。

【0017】

さらに、個々の顧客に固有の営業方針を明確化することで、マネジメント層による指導が容易となる。

【図面の簡単な説明】

【0018】

【図1】本発明に従った保険営業支援システムのネットワーク構成を示す図である。

【図2】クライアント端末のハードウェア構成を示す図である。

【図3】ファイアウォール１０４及びＷｅｂサーバ１０６のハードウェア構成を示す図である。

【図4】アプリケーションサーバ１０８のハードウェア構成を示す図である。

【図5】データベースサーバ１１０のハードウェア構成を示す図である。

【図6】商品パターンｙ_ｉｎについての予測契約確率を出力する確率モデルの生成の概念図である。

【図7】決定木モデルを示す図である。

【図8】本発明に従った営業支援方法を示すフローチャートである。

【図9】図８のステップＳ８１２で行われる決定木モデルの学習アルゴリズムを示すフローチャートである。

【図10】本発明に従って生成された決定木モデルを使用してある特定の商品パターンｙ_ｉｎについて予測契約確率を計算した様子を示す図である。

【図11】担当者ｊによる顧客ｉの４つの保障ニーズ（顧客嗜好）の聞き取りの前後の訪問準備画面を示す図である。

【図12】メッセージ選択のおおよその考え方を示す図である。

【図13】クライアント端末１１４‐ｊの訪問準備画面を示す図である。

【図14】訪問準備画面と訪問準備シートの切り替えを示す図である。

【図15】訪問準備シート１４００の詳細を示す図である。

【図16】訪問準備画面１３００を生成する際のデータベースサーバ１１０の処理のフローを示す図である。

【図17】訪問準備画面１３００を生成する際のデータベースサーバ１１０の処理のフローを示す図である。

【図18】訪問準備画面１３００を生成する際のデータベースサーバ１１０の処理のフローを示す図である。

【図19】訪問準備画面１３００を生成する際のデータベースサーバ１１０の処理のフローを示す図である。

【図20】メッセージデータベース５１４に格納されている「アポイント及び保全の切り口」メッセージテーブルを示す図である。

【図21】メッセージデータベース５１４に格納されている「ヒアリングすべき事項」メッセージテーブルを示す図である。

【図22】メッセージデータベース５１４に格納されている「提案の切り口」メッセージテーブルを示す図である。

【発明を実施するための形態】

【0019】

本発明は様々な変更形態及び代替形態が可能であるが、本発明の一例としての実施形態が実施例として図面に示されており、本明細書で詳細に説明される。しかし、一例としての実施形態の本明細書における説明は、開示された特定の形態に本発明を限定することを意図するものではなく、本発明は、特許請求の範囲によって規定された本発明の趣旨及び範囲に入る全ての変更形態、同等形態、及び代替形態を含む。

【0020】

以下では、一例として、生命保険会社における顧客関係管理（ＣＲＭ）を支援するシステムに適用する事例を例に挙げて、本発明の実施形態に係る営業支援システムを説明する。但し、本発明の営業支援システムは、生命保険会社における顧客関係管理のみに限定されず、証券会社における顧客関係管理、銀行における顧客関係管理、及びユーザが受信する医療機関における顧客関係管理にも適用することが可能である。顧客（ユーザ）は、既にその生命保険会社及び他の生命保険会社の保険商品の契約をしている既契約の顧客と、現在いかなる保険商品も契約していないが将来的にその生命保険会社の保険商品の契約をする可能性がある潜在的な新規顧客とを含む。

【0021】

（１） ネットワークの全体構成
図１は、本発明に従った保険営業支援システムのネットワーク構成を示す図である。

【0022】

保険営業支援システム１００は、複数のクライアント端末１１４−ｊ（ｊ＝１，…，Ｎ_ａｇ）と、通信ネットワーク１１２と、中央管理センタ１０２とを含む。中央管理センタ１０２は、ファイアウォール１０４と、ウェブサーバ１０６と、アプリケーションサーバ１０８と、データベースサーバ１１０とを含む。複数のクライアント端末１１４−ｊは、営業担当者が所有し、アプリケーションサーバ１０８及びデータベースサーバ１１０からの、営業方針を示す訪問準備データの受信のために使用されるものである。ここで、クライアント端末のインデックスｊ（ｊ＝１，…，Ｎ_ａｇ）は、営業担当者の担当者ＩＤに対応している。

【0023】

通信ネットワーク１１２は、公衆交換電話ネットワーク（ＰＳＴＮ）等の回線交換ネットワーク又はインターネット等のパケット・ベース・ネットワークである。通信ネットワーク１１２は、少なくともその一部分に、無線信号を介してデータ通信を提供する任意のネットワークを含む。任意のネットワークは、例えば、ＷｉＦｉ／ＷｉＭａｘ通信を使用する無線ローカル・エリア・ネットワーク（ＷＬＡＮ）を含む。通信ネットワーク１１２の内部ネットワーキングは、３ＧＰＰで説明されているＩＭＳアーキテクチャ等の技術を使用しても良い。任意のネットワークの例示的実装は、会社もしくはキャンパスの企業ネットワークとして、又は空港、喫茶店、その他等の一般的な公共の場の「ホット・スポット」としてであっても良い。通信ネットワーク１１２は、通常、データ通信に対して使用されるが、ＶｏＩＰ呼等の音声通信を転送することができるネットワークであっても良い。通信ネットワーク１１２は、さらに、複数のクライアント端末１１４−ｊへの無線接続を提供する１つ又は複数のアクセスポイントを含む。アクセスポイントには、基地局、基地局ルータ、アクセス・ネットワークが含まれる。

【0024】

クライアント端末１１４−ｊは、スマートフォン、タブレット端末、セルラ電話、携帯情報端末、テキスト・メッセージング装置、ページャ、ネットワーク・インターフェース・カード、ノートブックコンピュータ、デスクトップコンピュータ、及びパーソナル・ディジタル・アシスタント（ＰＤＡ）であっても良い。クライアント端末１１４−ｊは、トラフィック・チャネル、シグナリング・チャネル、ページング・チャネル等、いくつかのチャネルを含むエア・インターフェース（又は無線通信リンク）を介して情報を交換することによって通信することができる。

【0025】

エア・インターフェースのチャネルは、無線通信システム１１２によって使用される１つ又は複数の無線通信プロトコルに従って定義される。例えば、符号分割多元接続（ＣＤＭＡ）に従って動作するエア・インターフェースのチャネルは、情報を、エア・インターフェースを介して送信するために使用される無線信号を変調する直交符号によって定義される。エア・インターフェースのチャネルは、また、エア・インターフェースを介して情報を送信するために使用される搬送波の周波数によって決定されてもよい。例えば、直交周波数分割多重接続（ＯＦＤＭＡ）では、１つ又は複数のクライアント端末１１４−ｊが複数の直交周波数、又はトーンを共用しても良い。

【0026】

中央管理センタ１０２は、生命保険会社のサーバ室であっても良い。ファイアウォール１０４は、ＩＰの上位プロトコルであるトランスポート層で動作し、Ｗｅｂの閲覧、メールの送受信、ファイル転送等のためのウィンドウ制御、再送制御、輻輳制御を行う信頼性を要求される通信に使用されるコネクション型プロトコルであるＴＣＰ（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｔｒｏｌ Ｐｒｏｔｏｃｏｌ）と、同じく、ＩＰの上位プロトコルであるトランスポート層で動作し、音声通話や、Ｖｉｄｅｏストリーミング、マルチキャスト通信、ブロードキャスト通信、少量のデータ転送等のリアルタイムの通信に使用されるコネクションレス型プロトコルであるＵＤＰ（Ｕｓｅｒ Ｄａｔａｇｒａｍ Ｐｒｏｔｏｃｏｌ）の条件に基づいて、通信の許可又は不許可を判断するように構成される。Ｗｅｂサーバ１０６は、クライアント端末１１４−ｊのＷｅｂブラウザからＨＴＴＰリクエストを受信しその応答を返却する。アプリケーションサーバ１０８は、Ｗｅｂサーバ１０６からの処理要求に対して、ビジネスロジックを実行し、必要であればデータベースサーバ１１０に対してデータの参照や更新要求を行う。データベースサーバ１１０は、主にデータの管理を行い、アプリケーションサーバ１０８からのデータの参照や更新処理の要求を実行し結果を返却する。

【0027】

クライアント端末１１４−ｊのブラウザから最初に要求を受けたとき、アプリケーションサーバは、そのブラウザを一意に識別するための識別子を生成し、Ｗｅｂサーバ１０６上のＷｅｂアプリケーションにその識別子を渡す。その後、アプリケーションサーバは、その識別子をキーとして、そのＷｅｂブラウザに関する情報を、データベースサーバ１１０との間で共有可能で永続性のある外部リソースに保持する。Ｗｅｂサーバ１０６は、アプリケーションサーバ１０８から受け取った識別子を、クライアント端末１１４−ｊのブラウザに渡す。例えば、ｃｏｏｋｉｅを利用する場合、Ｗｅｂサーバ１０６とアプリケーションサーバ１０８の呼び出しにおいて、ｃｏｏｋｉｅを引数として渡すことによりアプリケーションサーバ１０８でｃｏｏｋｉｅに識別子を設定できる。再度、クライアント端末１１４−ｊのブラウザから要求を行った場合には、アプリケーションサーバ１０８で設定された識別子を元に外部リソースを参照し情報を取得することができる。

【0028】

（２） クライアント端末
図２は、クライアント端末のハードウェア構成を示す図である。

【0029】

クライアント端末２００は、ＣＰＵ２０２、メモリ２０４、記憶装置２０６、入力部２０８、表示部２１０、及び送受信インターフェイス２１２を含む。ＣＰＵ２０２は、記憶装置２０６に記憶されているプログラムをメモリ２０４に読み出して実行することにより各種の機能を実現する。メモリ２０４は、例えば、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）及び／又は読取り専用メモリ（ＲＯＭ：ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）を含む。記憶装置２０６は、テープ・ドライブ、フロッピー（登録商標）・ドライブ、ハードディスク・ドライブ又はコンパクト・ディスク・ドライブを含む。入力部２０８は、データの入力を受け付ける、例えば、キーボードやマウス、トラックボール、タッチパネル、マイクロフォン等を含む。表示部２１０は、データを出力する、例えば、ディスプレイやスピーカ等を含む。クライアント端末は、送受信インターフェイス２１２を外部のプリンタ等に接続することにより、アプリケーションサーバ１０８及びデータベースサーバ１１０からの、営業方針を示す訪問準備データを訪問準備シートとしてプリントアウトすることができる。

【0030】

送受信インターフェイス２１２は、通信ネットワーク１１２を介してＷｅｂサーバ１０６にアクセスし、Ｗｅｂサーバ１０６にＨＴＴＰリクエストを送信する。また、送受信インターフェイス２１２は、Ｗｅｂサーバ１０６からのＨＴＴＰリクエストに対する応答に対して、表示部２１０上に表示されたＷｅｂブラウザ上で入力された担当者ＩＤ、パスワード等の担当者情報をＷｅｂサーバ１０６に送信する。これにより、担当者による営業支援システムへのログインが完了する。

【0031】

（３） ファイアウォール、Ｗｅｂサーバ
図３は、ファイアウォール１０４及びＷｅｂサーバ１０６のハードウェア構成を示す図である。

【0032】

ファイアウォール１０４及びＷｅｂサーバ１０６は、ＣＰＵ３０２、メモリ３０４、記憶装置３０６、入力部３０８、出力部３１０、及び送受信インターフェイス３１２を含む。記憶装置３０６は、各種のデータやプログラムを記憶する、ハードディスク・ドライブやソリッドステート・ドライブ、フラッシュメモリ等であってもよい。ＣＰＵ３０２は、記憶装置３０６に記憶されているプログラムをメモリ３０４に読み出して実行することにより各種の機能を実現する。送受信インターフェイス３１２は、通信ネットワーク１１４に接続するためのインターフェイスであり、イーサネット（登録商標）に接続するためのアダプタ、公衆電話回線網に接続するためのモデム等である。入力部３０８は、データの入力を受け付ける、キーボードやマウス、トラックボール、タッチパネル、マイクロフォン等であってもよい。出力部３１０は、データを出力する、ディスプレイやプリンタ、スピーカなどであってもよい。

【0033】

（４） アプリケーションサーバ
図４は、アプリケーションサーバ１０８のハードウェア構成を示す図である。

【0034】

アプリケーションサーバ１０８は、ＣＰＵ４０２、メモリ４０４、記憶装置４０６、入力部４０８、出力部４１０、送受信インターフェイス４１２、モデル生成部４１４、及びメッセージ決定部４１６とからなる。ＣＰＵ３０２、メモリ３０４、記憶装置３０６、入力部３０８、出力部３１０、及び送受信インターフェイス３１２は、上記のファイアウォール１０４及びＷｅｂサーバ１０６のものと同様である。

【0035】

モデル生成部４１４は、後述のデータベースサーバ１１０の既契約顧客データベース５０２内に、“顧客ＩＤ”ｉ（ｉ＝１，…，Ｎ_ｃ）ごとに格納されている顧客アカウントの中の顧客属性、及び契約状態データベース５０４内に“顧客ＩＤ”ｉごとに格納されている顧客アカウントの中の顧客契約状況に基づいて、顧客ｉの各々について各商品パターンｙ_ｉｎの予測契約確率を算出することはできるモデルを生成する。顧客属性Ｆ_ｉは、その顧客の年齢、性別、住所、配偶者の有無、職業、年収、勤務先、勤務地、世帯構成等を含む。顧客契約状況ＣＳ_ｉは、商品別加入状況（生保、がん保険、一時払い終身、据置年金、損保、自動車保険、他社生保）、保険金（日額、月額、年額）、保険満期期間、支払期間、保険料等を含む。商品パターンｙ_ｉｎは、１つの保険商品からなっても良いし、複数の保険商品からなるものであっても良い。例えば、死亡保障に、三大疾病保障等の特約が付く場合が考えられる。

【0036】

予測契約確率は、既契約顧客データベース５０２及び契約状態データベース５０４の顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉを学習サンプルＳとして取得し、その学習サンプルＳを使用して、統計的アルゴリズムにより予測モデルを生成することにより求められる。ここでは、顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉをまとめてｘ_ｉ＝［Ｆ_ｉ，ＣＳ_ｉ］で表す。統計的アルゴリズムは、主成分分析、回帰分析、クラスタリング、決定木（ｄｅｃｉｓｉｏｎ ｔｒｅｅ）アルゴリズム等を含む。予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）＝ｐ（ｙ_ｉｎ｜ｘ_ｉ）・ｐ（ｘ_ｉ）を出力する確率モデルは、決定木、ニューラルネットワーク、隠れマルコフモデル等を含む。学習サンプルＳを用いた学習によって生成された確率モデルは、既契約顧客及び新規顧客の双方に適用され、契約確率の最も高い商品パターンｙ_ｉｎを予測する。

【0037】

メッセージ決定部４１６は、訪問準備データの一部として出力され、訪問準備画面及び訪問準備シートに表示される複数のメッセージを選択する。複数のメッセージは、上記の確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好（ｐｒｅｆｅｒｅｎｃｅ）、及び担当者活動履歴Ｈ_ｊに基づいて選択される。メッセージ選択のおおよその考え方を、図１２に示す。

【0038】

新規顧客について、顧客嗜好が「基本型」の場合には、典型的なモデルプランに沿ったメッセージを表示する。新規顧客について、顧客嗜好が「重病及び介護ニーズ」又は「医療ニーズ」の場合には、新商品の訴求するメッセージを最も高い優先順位で表示するべく選択し、生前給付パーツを訴求するメッセージを２番目に高い優先順位で表示するべく選択し、３番目に高い優先順位で、該当セグメントに必要となる死亡保障や貯蓄パーツも合わせて訴求するメッセージを表示するべく選択する。新規顧客について、顧客嗜好が「死亡ニーズ」の場合には、保障性商品訴求するメッセージを最も高い優先順位で表示するべく選択し、生前給付パーツを訴求するメッセージを、２番目に高い優先順位で表示するべく選択し、３番目に高い優先順位で、新商品を訴求するメッセージを表示するべく選択する。訴求する保障性商品がない場合に、終身、年金、マイステ等の貯蓄性商品を訴求するメッセージを表示するべく選択する。新規顧客について、顧客嗜好が「資産および老後ニーズ」である場合には、貯蓄性商品訴求するメッセージを最も高い優先順位で表示するべく選択し、その他貯蓄性がある商品を訴求するメッセージを２番目に高い優先順位で表示するべく選択し、新商品を訴求するメッセージを３番目に高い優先順位で表示するべく選択する。既契約顧客の場合には、顧客嗜好が、「基本型」、「重病及び介護ニーズ」又は「医療ニーズ」、「死亡ニーズ」、「資産および老後ニーズ」の別にかかわりなく、すでに加入済の商品についてはメッセージを表示しないこととし、対象となる保険会社及び他社で加入していない場合に、その他商品を訴求するメッセージを新規のメッセージとして最も高い優先順位で表示するべく選択し、既契約の３大疾病保障が９００万未満の場合には、２番目に高い優先順位で不足額訴求メッセージを表示するべく選択し、既契約の３大疾病保障が９００万以上の場合には、新商品への保障見直しを訴求するメッセージを表示するべく選択し、３番目に高い優先順位で、子どもが１人いる顧客に対しては教育費を考慮し２５００万以上の保障を訴求するメッセージ、子どもが２人以上の顧客には３０００万以上の保障を訴求するメッセージを表示するべく選択する。

【0039】

この時、選択した複数のメッセージについて、データベースサーバ１１０の活動履歴データベース５１２に格納されている、該当する“担当者ＩＤ”ｊ（ｊ＝１，…，Ｎ_ａｇ）の担当者アカウントを参照する。ここで、注意するべきなのは、担当者ｊが既に実行済みのメッセージは、表示対象から除外され、代わりに、１つ低い優先順位のメッセージが繰り上がって表示されるということである。一方で、ある時間期間ｔ−１において表示されているメッセージのうち、担当者ｊがその後に実行したメッセージについては、担当者ｊが実行したという事実がデータベースサーバ１１０の活動履歴データベース５１２に反映され、契約状態データベース５０４内の顧客ｉの顧客アカウントに反映される。そうすると、時間期間ｔにおいて訪問準備データが更新される際に、その実行されたメッセージは削除され、代わりに、１つ低い優先順位のメッセージが繰り上がって表示される。

【0040】

（５） データベースサーバ
図５は、データベースサーバ１１０のハードウェア構成を示す図である。

【0041】

データベースサーバ１１０は、既契約顧客データベース５０２、契約状態データベース５０４、新規顧客データベース５０６、世帯情報データベース５０８、担当者データベース５１０、活動履歴データベース５１２、メッセージデータベース５１４、及び予測モデルデータベース５１６とからなる。既契約顧客データベース５０２、契約状態データベース５０４、新規顧客データベース５０６、及び世帯情報データベース５０８は、顧客情報エリアを形成し、“顧客ＩＤ”ｉ（ｉ＝１，…，Ｎ_ｃ）と関連付けて各顧客のアカウントを格納している。担当者データベース５１０及び活動履歴データベース５１２は、営業担当者エリアを形成し、“担当者ＩＤ”ｊ（ｊ＝１，…，Ｎ_ａｇ）と関連付けて各担当者のアカウントを格納している。

【0042】

既契約顧客データベース５０２の顧客ｉのアカウントには、例えば、顧客を識別する顧客ＩＤ、顧客の世帯を示す世帯番号、アカウントの記載内容が既契約顧客データベース５０２に記録された年月日、顧客ｉの連絡先の有無等が含まれる。顧客ｉのアカウントは、Ｗｅｂページ等のオンラインのサービスを経由して当該検索情報が登録されたか否か等、検索情報に関する情報を含むことも可能である。また、連絡先有無は、自宅電話番号の有無、携帯電話番号の有無、勤務先電話番号の有無、メールアドレスの有無などを含むことが可能である。他にも、顧客ｉのアカウントは、その顧客ｉの年齢、性別、住所、配偶者の有無、職業、年収、勤務先、勤務地、世帯構成等を含む。これらは、顧客属性と呼ばれ、変数Ｆ_ｉで表される。

【0043】

契約状態データベース５０４の顧客ｉのアカウントには、例えば、顧客ｉが既に契約済の保険商品に関する情報が含まれる。顧客ｉのアカウントは、例えば、顧客ｉが契約当事者となっている保険契約の有無、顧客ｉが被保険者とされている保険契約の有無、顧客ｉが契約者となっている養老保険や年金型商品に関する契約の有無、顧客ｉが被保険者として設定されている養老保険又は年金型商品に関する契約の有無、顧客ｉが契約者又は被保険者となっているその他の保険商品に関する契約の有無を含むことが可能である。また、顧客ｉのアカウントは、例えば、変額型商品や据置型商品、支払い開始後年金などについての見込客が契約者又は被保険者となっている契約の有無、契約者が法人であり見込客が被保険者となっている契約の有無など、既に契約済の商品の属性に関する情報を含むことも可能である。これらは、顧客契約状況と呼ばれ、変数ＣＳ_ｉで表される。

【0044】

契約状態データベース５０４の顧客ｉのアカウントは、例えば、契約済の顧客ｉに対して提供されるアフターサービスに関する情報を含むことが可能である。契約状態データベース５０４の顧客ｉのアカウントは、例えば、顧客ｉからプレゼントに対する申込があった年月日（プレゼント申込年月日）、契約期間や保険内容などに応じて発行されるポイントやマイル（使用可能マイル）、ポイントやマイルの有効期間の開始日（マイル商品有効開始年月日）等を含むことができる。

【0045】

契約状態データベース５０４の顧客ｉのアカウントは、また、顧客ｉに関するイベントを示す情報を格納することが可能である。契約状態データベース５０４の顧客ｉのアカウントは、例えば、顧客ｉの年齢を算出するための生年月日、顧客ｉが契約中の他社の損害保険が更改される年月日（他社損保更改年月日）、顧客ｉが契約中の自社の損害保険が更改される年月日（自社損保更改年月日）等を含むことが可能である。

【0046】

新規顧客データベース５０６の顧客ｉのアカウントは、まだ契約に至っていない潜在的な顧客ｉの情報を格納している。新規顧客データベース５０４の顧客ｉのアカウントは、“顧客ＩＤ”ｉと、その顧客ｉの世帯を示す世帯番号、当該情報が新規顧客データベース５０４の顧客ｉのアカウントに記録された年月日、顧客ｉの連絡先の有無を格納している。新規顧客データベース５０４の顧客ｉのアカウントは、他にも、その顧客を識別する“顧客ＩＤ”ｉと関連付けて、Ｗｅｂページ等のオンラインのサービスを経由して当該情報が登録されたか否か等、検索情報に関する情報を含むことが可能である。また、連絡先有無は、自宅電話番号の有無、携帯電話番号の有無、勤務先電話番号の有無、メールアドレスの有無などを含むことができる。

【0047】

世帯情報データベース５０８は、既契約顧客と新規顧客の双方について、その顧客の“顧客ＩＤ”ｉと、その顧客の世帯に関する情報を記憶する。世帯情報には世帯を識別する世帯番号、世帯主の氏名、生年月日、性別、電話番号等が含まれる。それら以外にも、例えば、家族の氏名や生年月日など、世帯に関する各種の情報を含めるようにしてもよい。

【0048】

担当者データベース５１０の担当者ｊのアカウントは、担当者ＩＤ、その担当者ｊが担当する地域を識別するコード、担当者が携帯している端末の機器識別子等が格納されている。

【0049】

活動履歴データベース５１２の担当者ｊのアカウントは、営業担当者ｊから顧客ｉ（ｉ＝１，…，Ｎ_ｃ）に対する働きかけに関する情報を格納している。活動履歴データベース５１２の担当者ｊのアカウントは、例えば、営業担当者ｊが顧客ｉに対して直近に行ったコンタクトの年月日、営業担当者ｊが顧客ｉと直近に面談した年月日（最新面談年月日２）、最新面談年月日２から１つ前に面談した年月日（最新面談年月日１）、営業担当者が見込客に対して直近に行った確認活動の年月日（直近個人確認活動年月日）を含むことが可能である。活動履歴データベース５１２の担当者ｊのアカウントは、その他にも、営業担当者ｊから顧客ｉに対する働きかけに関する各種の情報を含むことができる。

【0050】

活動履歴データベース５１２の担当者ｊのアカウントは、また、担当者ｊによる情報収集に関する情報を格納することができる。活動履歴データベース５１２の担当者ｊのアカウントは、例えば、営業担当者ｊが直近に情報収集を行った年月日（最新情報収集活動年月日）等を含んでも良い。また、活動履歴データベース５１２の担当者ｊのアカウントは、顧客ｉが本人であるか家族であるか、独身であるか、他社の生命保険に加入しているか、他社の損害保険に加入しているかといった、顧客ｉに関する情報を含むことが可能である。さらに、活動履歴データベース５１２の担当者ｊのアカウントは、情報収集の対価としてポイントやマイル等が付与されたか否かを示す情報を含むことができる。

【0051】

活動履歴データベース５１２の担当者ｊのアカウントは、営業担当者ｊが顧客ｉに提案書を持参する予定の年月日（次回訪問予定年月日）、営業担当者ｊが顧客ｉに対して直近に保険商品の提案を行った年月日（最新提案活動年月日）、営業担当者ｊが直近に提案書を作成した年月日（提案書作成年月日２）、提案書作成年月日２より１つ前に提案書を作成した年月日（提案書作成年月日１）、直近の提案に対する顧客ｉの反応（直近提案時顧客反応生保）を含むことができる。直近提案時顧客反応生保は、その提案内容で保険に加入したい旨を示す「成約」、別の商品の提案や保障内容の変更、保険料の変更、その他の要求を求める旨を示す「訪問」、改めて検討を行いたい旨を示す「検討」、保険に加入しない旨を示す「断り」のいずれかを含むことができる。

【0052】

予測モデルデータベース５１６は、アプリケーションサーバ１０８のモデル生成部４１４によって生成され、顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉをまとめたｘ_ｉ＝［Ｆ_ｉ，ＣＳ_ｉ］に基づいて商品パターンｙ_ｉｎについての予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）＝ｐ（ｙ_ｉｎ｜ｘ_ｉ）・ｐ（ｘ_ｉ）を出力する確率モデルを格納している。確率モデルは、決定木、ニューラルネットワーク、隠れマルコフモデル等であっても良い。例えば、決定木モデルの場合には、決定木の数ｋ（ｋ＝１，…，Ｎ_Ｔ）、木の深さＤ_ｋ、分岐ノード（Ｓｐｌｉｔ Ｎｏｄｅ）についての分岐関数ｆ（ｖ）、特徴量Ｆ_ｉの閾値Ａ_ＴＨ、末端ノード（Ｌｅａｆ Ｎｏｄｅ）Ｌのデータｄ_ｓが各クラスｃ_ｕに属する確率ｐ（ｃ_ｕ｜Ｌ）を、パラメータとして格納している。ニューラルネットワークの場合には、入力層のユニット数、出力層のユニット数、中間層の層の数及び各中間層のユニット数、各層のユニット間の結合係数等をパラメータとして格納している。連続分布の隠れマルコフモデルの場合には、状態数、各状態についての出力シンボル確率の平均及び分散、各状態についての状態遷移確率の平均及び分散等を、パラメータとして格納している。

【0053】

メッセージデータベース５１４は、各メッセージを、確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、及び顧客嗜好と関連させて、優先順位を割り当てて格納している。メッセージは、「アポイント及び保全の切り口」、「ヒアリングすべき事項」、及び「提案の切り口」のカテゴリーに分類される。例えば、図２０が、「アポイント及び保全の切り口」に分類されるメッセージを示し、図２１が、「ヒアリングすべき事項」に分類されるメッセージを示し、図２２が、「提案の切り口」に分類されるメッセージを示している。

【0054】

（６） 予測モデル生成及び訪問準備データ生成
図６は、商品パターンｙ_ｉｎについての予測契約確率を出力する確率モデルの生成の概念図である。

【0055】

確率モデルは、教師データのサンプルＳを取得し、そのサンプルＳを使用して学習することにより生成される。その教師データのサンプルＳは、既契約顧客データベース５０２及び契約状態データベース５０４の中の顧客ｉ（ｉ＝１，…，Ｎ_ｃ）の顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉを対象とする。最初に、ある時間期間ｔ−１の既契約顧客データベース５０２及び契約状態データベース５０４の顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉを学習サンプルＳとして取得し、その学習サンプルＳを使用して、統計的アルゴリズムにより学習を行い、予測モデルを生成する。ここで、ｔの期間は、１時間であっても良く、１日であっても良く、１年であっても良い。次に、時間期間ｔにおいて、既契約顧客データベース５０２、契約状態データベース５０４、新規顧客データベース５０６、及び世帯情報データベース５０８に格納されている既契約顧客及び新規顧客を含むすべての顧客のアカウントの顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉを対象として、生成した確率モデルを用いて、顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉをまとめたｘ_ｉ＝［Ｆ_ｉ，ＣＳ_ｉ］についての、商品パターンｙ_ｉｎの予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）＝ｐ（ｙ_ｉｎ｜ｘ_ｉ）・ｐ（ｘ_ｉ）を算出する。予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）＝ｐ（ｙ_ｉｎ｜ｘ_ｉ）・ｐ（ｘ_ｉ）を出力する確率モデルは、決定木、ニューラルネットワーク、隠れマルコフモデル等を含む。すなわち、学習サンプルＳを用いた学習によって生成された確率モデルは、既契約顧客及び新規顧客の双方に適用され、契約確率の最も高い商品パターンｙ_ｉｎを予測する。顧客属性Ｆ_ｉは、その顧客の年齢、性別、住所、配偶者の有無、職業、年収、勤務先、勤務地、世帯構成等を含む。顧客契約状況ＣＳ_ｉは、商品別加入状況（生保、がん保険、一時払い終身、据置年金、損保、自動車保険、他社生保）、保険金（日額、月額、年額）、保険満期期間、支払期間、保険料等を含む。商品パターンｙ_ｉｎは、１つの保険商品からなっても良いし、複数の保険商品からなるものであっても良い。

【0056】

本実施形態においては、決定木アルゴリズムを例に挙げて確率モデルの学習及び生成を説明する。

【0057】

図７は、決定木モデルを示す図である。

【0058】

決定木は、サンプルＳの特徴量Ｆ_ｉとしきい値Ａ_ＴＨによってサンプルを分割する分岐ノード（Ｓｐｌｉｔ ｎｏｄｅ）と各クラスの出現確率が保存された末端ノード（Ｌｅａｆ ｎｏｄｅ）とにより構成される。Ｎ_Ｔ個の決定木は、ｋ（ｋ＝１，…，Ｎ_Ｔ）番目の各決定木について分岐ノードを繰り返し作成し、一定の基準により分岐が不可能になった際に、末端ノードを作成することにより構築される。分岐ノードは、ある１次元の特徴量Ｆ_ｉと閾値Ａ_ＴＨの大小関係により左右に分岐する。また、末端ノードＬは、末端ノードＬのデータｄ_ｓが各クラスｃ_ｕに属する確率ｐ（ｃ_ｕ｜Ｌ）を保存する。

【0059】

図８は、本発明に従った営業支援方法を示すフローチャートである。

【0060】

ステップＳ８０２で処理が開始される。最初に、アプリケーションサーバ１０８のモデル生成部４１４は、既契約顧客データベース５０２から 既契約顧客の“顧客ＩＤ”ｉ（ｉ＝１，…，Ｎ_ｃ）を取得し、担当者データベース５１０から“担当者ＩＤ”ｊ（ｊ＝１，…，Ｎ_ａｇ）を取得する（ステップＳ８０４）。モデル生成部４１４は、既契約顧客データベース５０２及び契約状態データベース５０４から顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉのセットｘ_ｉ＝［Ｆ_ｉ，ＣＳ_ｉ］を学習サンプルＳとして取得する（ステップＳ８０６）。

モデル生成部４１４は、これらのサブセットを利用することにより決定木を構築する。決定木の構築は、分岐が不可能になるまで分岐ノードを繰り返し作成することにより行われる。分岐ノードはある特徴量Ｆ_ｉと閾値Ａ_ＴＨを用いて左もしくは右への分岐を決めるものである。そのため、特徴量Ｆ_ｉと閾値Ａ_ＴＨは様々な候補の中から厳選する必要がある。例えば、この際のサブセットへの分割は、主成分分析の手法を用いて、顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉのセットｘ_ｉ＝［Ｆ_ｉ，ＣＳ_ｉ］に含まれる特徴量のうちの一部を、データの分布に与える分散が大きいほうから選択した上で、選択した特徴量を用いて、クラスタリングにより複数のサブセットに分割することにより行われても良い。この場合の複数のクラスターへの分割は、ｋ−ｍｅａｎｓ法、Ｗａｒｄ法、及びＢｉｓｅｃｔｉｏｎ法の少なくとも１つ又は組み合わせによって行われても良い。モデル生成部４１４は、サブセットの番号をｋ＝１に設定する（ステップＳ８１０）。モデル生成部４１４は、ステップＳ８１２、ステップＳ８１４、ステップＳ８１６でＮ_Ｔ個の決定木を生成するための学習を実行する。

【0061】

図９は、図８のステップＳ８１２で行われる決定木モデルの学習アルゴリズムを示すフローチャートである。

【0062】

ステップＳ９０２で処理が開始される。

【0063】

アプリケーションサーバ１０８のモデル生成部４１４は、入力データを取得する（ステップＳ９０４）。この場合の入力データは、既契約顧客データベース５０２及び契約状態データベース５０４から顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉのセットｘ_ｉ＝［Ｆ_ｉ，ＣＳ_ｉ］として取得した学習サンプルＳと、決定木の数ｋ（ｋ＝１，…，Ｎ_Ｔ）と、学習サンプルを分割したサブセットＳ＝［Ｓ_１，Ｓ_２，…，Ｓ_ＮＴ］と、木の深さＤ_ｋと、特徴量選択数ｌ（ｌ＝１，…，Ｎ_Ｆ）と、閾値選択回数ｍ（ｍ＝１，…，Ｎ_ＴＨ）とを含む。モデル生成部４１４は、決定木の番号をｋ＝１に設定する（ステップＳ９０６）。モデル生成部４１４は、特徴量選択回数をｌ＝１に設定する（ステップＳ９０８）。このとき、モデル生成部４１４は、情報利得ΔＥの値を初期値ΔＥ_０に設定する（ステップＳ９０８）。モデル生成部４１４は、分岐関数ｆ_{（ｋ，ｌ）}をランダムに選択する（ステップＳ９１０）。モデル生成部４１４は、閾値選択回数をｍ＝１に設定する（ステップＳ９１２）。モデル生成部４１４は、閾値Ａ_ＴＨをランダムに選択する（ステップＳ９１４）。

【0064】

モデル生成部４１４は、分岐関数ｆ_{（ｋ，ｌ）}と閾値Ａ_ＴＨを用いて、データＳ_ｎを、Ｓ_ＬとＳ_Ｒに分岐させる（ステップＳ９１６）。ここで、Ｓ_ｎを分岐ノードｎに割り当てたデータの集合、そのデータの集合のサイズを｜Ｓ｜、ｎ（ｕ）をｕ番目のクラスに属するデータの数（ｕ＝１，…，ＮＣ）とすると、データＳ_ｎを認識するためのエントロピーＥ（Ｓ_ｎ）は、

となる（ステップＳ９１６）。モデル生成部４１４は、教師信号を用いて、情報利得ΔＥを、

モデル生成部４１４は、閾値選択回数ｍがＮ_ＴＨよりも小さいか否かを判定し（ステップＳ９２２）、処理は、閾値選択回数ｍがＮ_ＴＨよりも小さい場合には、ｍ←ｍ＋１の処理を行い（ステップＳ９２４）、処理は、再びステップＳ９１４に戻る。閾値選択回数ｍがＮ_ＴＨ以上である場合には、処理は、ステップＳ９２６に進み、モデル生成部４１４は、特徴量選択数ｌがＮ_Ｆよりも小さいか否かを判定し（ステップＳ９２６）、特徴量選択数ｌがＮ_Ｆよりも小さい場合には、ｌ←ｌ＋１の処理を行い（ステップＳ９２８）、処理は、再びステップＳ９１０に戻る。特徴量選択数ｌがＮ_Ｆ以上である場合には、処理は、ステップＳ９３０に進み、モデル生成部４１４は、情報利得ΔＥが０になるか、又はΔＥが所定の閾値Ｄに達した場合には、末端ノードを作成する（ステップＳ９３０）。モデル生成部４１４は、決定木の数ｋがＮ_Ｔよりも小さいか否かを判定し（ステップＳ９３２）、決定木の数ｋがＮ_Ｔよりも小さい場合には、ｋ←ｋ＋１の処理を行い（ステップＳ９３４）、処理は、再びステップＳ９０８に戻る。決定木の数ｋがＮ_Ｔ以上である場合には、モデル生成部４１４は、すべての決定木ｋ（ｋ＝１，…，Ｎ_Ｔ）を生成したと判断し、学習を終了する（ステップＳ９３６）。

【0065】

再び図８に戻ると、アプリケーションサーバ１０８のモデル生成部４１４は、“顧客ＩＤ”をｉ＝１に設定する（ステップＳ８１８）。モデル生成部４１４は、生成したＮ_Ｔ個の決定木により、各商品パターンｙ_ｉｎについて予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）＝ｐ（ｙ_ｉｎ｜ｘ_ｉ）・ｐ（ｘ_ｉ）を算出する（ステップＳ８２０）。ここで、図１０を参照すると、本発明に従って生成された決定木モデルを使用してある特定の商品パターンｙ_ｉｎについて予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）を計算した様子が示されている。最初に、モデル生成部４１４は、顧客ｉが契約している保険商品の解約更新までの日数を特徴量Ｆ_ｉとして使用し、所定の分岐関数ｆ_{（ｋ，ｌ）}と閾値Ａ_ＴＨを用いて、ノード０のデータ要素を、ノード１と、ノード２と、ノード３とに分岐させる。次に、モデル生成部４１４は、三大疾病保障の商品の保有件数を特徴量Ｆ_ｉとして使用し、所定の分岐関数ｆ_{（ｋ，ｌ）}と閾値Ａ_ＴＨを用いて、ノード１のデータ要素を、ノード１２と、ノード１３とに分岐させる。モデル生成部４１４は、保険料払い込みの残余期間を特徴量Ｆ_ｉとして使用し、所定の分岐関数ｆ_{（ｋ，ｌ）}と閾値Ａ_ＴＨを用いて、ノード１２のデータ要素を、末端ノード４６と、末端ノード４７とに分岐させる。一方、モデル生成部４１４は、世帯主年齢を特徴量Ｆ_ｉとして使用し、所定の分岐関数ｆ_{（ｋ，ｌ）}と閾値Ａ_ＴＨを用いて、ノード１３のデータ要素を、末端ノード４８と、末端ノード４９とに分岐させる。末端ノード４６、末端ノード４７、末端ノード４８、及び末端ノード４９において、それぞれ、予測契約確率が、１．５％、５．７％、２５．１％、及び１４．４％と算出される。本実施形態においては、商品パターンｙ_ｉｎは、全部で１４パターン存在するが、モデル生成部４１４は、この１４パターンすべてについて決定木を生成する。すなわち、本実施形態においては、Ｎ_Ｔ＝１４である。

【0066】

アプリケーションサーバ１０８のメッセージ決定部４１６は、確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好、及び担当者活動履歴Ｈ_ｊに基づいて、「アポイント及び保全の切り口」の欄に表示されるメッセージを“顧客ＩＤ”ｉごとに選択する（ステップＳ８２２）。「アポイント及び保全の切り口」の欄に表示されるメッセージは、メッセージデータベース５１４に「アポイント及び保全の切り口」のカテゴリーに分類されて格納されており、訪問準備データの一部として出力されて訪問準備画面及び訪問準備シートに表示される。メッセージ決定部４１６は、図２０に示されているようなメッセージデータベース５１４の「アポイント及び保全の切り口」メッセージテーブルを参照して、「アポイント及び保全の切り口」メッセージテーブルに示されている優先順位に従って、優先順位の高い順に複数のメッセージを選択する。このとき、メッセージ決定部４１６は、選択した複数のメッセージについて、データベースサーバ１１０の活動履歴データベース５１２に格納されている、該当する“担当者ＩＤ”ｊ（ｊ＝１，…，Ｎ_ａｇ）の担当者アカウントを参照する。メッセージ決定部４１６は、担当者ｊが既に実行済みのメッセージを、表示対象から除外し、代わりに、１つ低い優先順位のメッセージを、順序を繰り上げて表示する。一方で、ある時間期間において表示されているメッセージのうち、担当者ｊがその後に実行したメッセージについては、担当者ｊが実行したという事実がデータベースサーバ１１０の活動履歴データベース５１２に反映され、契約状態データベース５０４内の顧客ｉの顧客アカウントに反映される。そうすると、メッセージ決定部４１６は、その後の時間期間において訪問準備データが更新される際に、その実行されたメッセージを削除し、代わりに、１つ低い優先順位のメッセージを、順序を繰り上げて表示する。

【0067】

アプリケーションサーバ１０８のメッセージ決定部４１６は、確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好、及び担当者活動履歴Ｈ_ｊに基づいて、「ヒアリングすべき事項」のカテゴリーに分類される複数のメッセージを“顧客ＩＤ”ｉごとに選択する（ステップＳ８２４）。「ヒアリングすべき事項」の欄に表示されるメッセージは、メッセージデータベース５１４に「ヒアリングすべき事項」のカテゴリーに分類されて格納されており、訪問準備データの一部として出力されて訪問準備画面及び訪問準備シートに表示される。メッセージ決定部４１６は、図２１に示されているようなメッセージデータベース５１４の「ヒアリングすべき事項」メッセージテーブルを参照して、「ヒアリングすべき事項」メッセージテーブルに示されている優先順位に従って、優先順位の高い順に複数のメッセージを選択する。上記と同様に、このとき、メッセージ決定部４１６は、選択した複数のメッセージについて、該当する“担当者ＩＤ”ｊ（ｊ＝１，…，Ｎ_ａｇ）の担当者アカウントを参照し、担当者ｊが既に実行済みのメッセージを、表示対象から除外し、代わりに、１つ低い優先順位のメッセージを、順序を繰り上げて表示する。また、ある時間期間において表示されているメッセージのうち、担当者ｊがその後に実行したメッセージについては、担当者ｊが実行したという事実がデータベースサーバ１１０の活動履歴データベース５１２に反映され、契約状態データベース５０４内の顧客ｉの顧客アカウントに反映される。そうすると、メッセージ決定部４１６は、その後の時間期間において訪問準備データが更新される際に、その実行されたメッセージを削除し、代わりに、１つ低い優先順位のメッセージを、順序を繰り上げて表示する。

【0068】

アプリケーションサーバ１０８のメッセージ決定部４１６は、確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好、及び担当者活動履歴Ｈ_ｊに基づいて、「提案の切り口」のカテゴリーに分類される複数のメッセージを“顧客ＩＤ”ｉごとに選択する（ステップＳ８２６）。「提案の切り口」の欄に表示されるメッセージは、メッセージデータベース５１４に「提案の切り口」のカテゴリーに分類されて格納されており、訪問準備データの一部として出力されて訪問準備画面及び訪問準備シートに表示される。メッセージ決定部４１６は、図２２に示されているようなメッセージデータベース５１４の「提案の切り口」メッセージテーブルを参照して、「提案の切り口」メッセージテーブルに示されている優先順位に従って、優先順位の高い順に複数のメッセージを選択する。上記と同様に、このとき、メッセージ決定部４１６は、選択した複数のメッセージについて、該当する“担当者ＩＤ”ｊ（ｊ＝１，…，Ｎ_ａｇ）の担当者アカウントを参照し、担当者ｊが既に実行済みのメッセージを、表示対象から除外し、代わりに、１つ低い優先順位のメッセージを、順序を繰り上げて表示する。一方で、ある時間期間において表示されているメッセージのうち、担当者ｊがその後に実行したメッセージについては、担当者ｊが実行したという事実がデータベースサーバ１１０の活動履歴データベース５１２に反映され、契約状態データベース５０４内の顧客ｉの顧客アカウントに反映される。そうすると、メッセージ決定部４１６は、その後の時間期間において訪問準備データが更新される際に、その実行されたメッセージを削除し、代わりに、１つ低い優先順位のメッセージを、順序を繰り上げて表示する。

【0069】

アプリケーションサーバ１０８のメッセージ決定部４１６は、上記で選択したメッセージ群を使用して、該当する“担当者ＩＤ”ｊごとに訪問準備画面を表示する（ステップＳ８３４）。すなわち、メッセージ決定部４１６は、（１）上記で算出した予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）＝ｐ（ｙ_ｉｎ｜ｘ_ｉ）・ｐ（ｘ_ｉ）が最も高い商品パターンｙ_ｉｎ、（２）顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好、及び担当者活動履歴Ｈ_ｊに基づいて決定され、「アポイント及び保全の切り口」メッセージテーブルに示されている優先順位に従って選択された「アポイント及び保全の切り口」メッセージ、（３）顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好、及び担当者活動履歴Ｈ_ｊに基づいて決定され、「ヒアリングすべき事項」メッセージテーブルに示されている優先順位に従って選択された「ヒアリングすべき事項」メッセージ、及び（４）顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好、及び担当者活動履歴Ｈ_ｊに基づいて決定され、「提案の切り口」メッセージテーブルに示されている優先順位に従って選択された「提案の切り口」メッセージの４つを、該当する“担当者ＩＤ”ｊ（ｊ＝１，…，Ｎ_ａｇ）の担当者アカウントに反映する（ステップＳ８２８）。

【0070】

アプリケーションサーバ１０８のメッセージ決定部４１６は、“顧客ＩＤ”ｉがＮ_ｃよりも小さいか否かを判定する（ステップＳ８３０）。メッセージ決定部４１６は、“顧客ＩＤ”ｉがＮ_ｃよりも小さい場合には、ｉ←ｉ＋１の処理を実行し（ステップＳ８３２）、処理は、ステップＳ８２０に戻る。“顧客ＩＤ”ｉがＮ_ｃ以上である場合には、処理は、ステップＳ８３４に進み、メッセージ決定部４１６は、該当する“担当者ＩＤ”ｊごとに、クライアント端末１１４‐ｊに訪問準備データを送信し、クライアント端末１１４‐ｊは、訪問準備画面を表示する。ステップＳ８３６で処理は終了する。

【0071】

（７） 訪問準備画面の表示
図１１は、担当者ｊによる顧客ｉの４つの保障ニーズ（顧客嗜好）の聞き取りの前後の訪問準備画面を示す図である。

【0072】

４つの顧客嗜好の聞き取りの前の画面においては、「提案の切り口」メッセージの欄に、「新商品を訴求」、「残された家族の生活費、教育費等のために死亡保障を訴求」、及び「老後や将来の住宅購入資金等のために年金を訴求」の順で３つのメッセージが表示されている。顧客の嗜好が、老後資産、重病介護、死亡、医療の順であることが判明した後の画面では、「老後や将来の住宅購入資金等のために年金を訴求」、「一生涯の保障に備え、資産形成効果のある終身、マイステを訴求」、及び「新商品を訴求（医療もあわせて訴求）」の順に３つのメッセージが表示されている。

【0073】

図１２は、メッセージ選択のおおよその考え方、すなわち、どのように各メッセージ群のメッセージに優先順位をつけるかのおおよその考え方を示す図である。複数のメッセージは、上記の確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好（顧客ニーズ）、及び担当者活動履歴Ｈ_ｊに基づいて選択される。優先順位は、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、及び顧客嗜好に基づいて決定される。

【0074】

図１３は、クライアント端末１１４‐ｊの訪問準備画面を示す図である。

【0075】

図１３は、クライアント端末１１４‐ｊの表示部２１０に表示された、“顧客ＩＤ”ｉ＝４４９８‐１８７５‐１２０の顧客についてのものである。図１３は、画面１３００の中の領域１３０２に、開拓の視点と題する担当者ｊ用にカスタマイズされたメッセージが表示されている。このメッセージの中で、顧客ｉが契約する予測契約確率が最も高い商品パターンｙ_ｉｎは、介護関連のものであることが表示されている。この領域１３０２のメッセージ内容は、確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、顧客ｉのアカウントの顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、及び顧客嗜好、担当者ｊのアカウントの担当者活動履歴Ｈ_ｊに基づいて決定される。また、予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）は、顧客ｉのアカウントの顧客属性Ｆ_ｉ及び顧客契約状況ＣＳ_ｉに基づいて算出される。さらに、領域１３０２のメッセージは、メッセージテーブルの優先順位に従って選択され表示されるが、その優先順位は、顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、及び顧客嗜好に基づいて決定される。従って、顧客ｉのアカウント及び担当者ｊのアカウントのうちの少なくとも一方に変化または更新があれば、その変化又は更新は、領域１３０２のメッセージに直ちに（すなわち、リアルタイムで）反映される。

【0076】

図１４は、訪問準備画面１３００と訪問準備シート１４００の切り替えを示す図である。

【0077】

訪問準備画面１３００の中の領域１３０４は、“顧客ＩＤ”ｉ＝４４９８−１８７５−１２０の顧客についてのものであることを示している。領域１３０６は、顧客ｉの氏名、住所、電話番号、メールアドレス、勤務先、勤務先の住所、勤務先の電話番号を含んでおり、これらの情報は、既契約顧客データベース５０２から検索してきたものである。領域１３０８は、入力領域である。例えば、担当者ｊが提案した事項や、担当者ｊと顧客ｉとの間の次回のアポイントの約束、商品の契約成立情報、担当者ｊの営業活動の履歴等を入力する。入力した内容は、既契約顧客データベース５０２又は新規顧客データベース５０６の顧客ｉのアカウントに反映される。領域１３１０は、顧客ｉの嗜好を示している。例えば、図示の例では、顧客ｉは、１番目の優先順位で「老後資産」の嗜好を持っており、２番目の優先順位で「医療」の嗜好を持っており、３番目の優先順位で「重病介護」の嗜好を持っており、４番目の優先順位で「死亡」の嗜好を持っている。領域１３１２は、顧客ｉの世帯情報を示している。この情報は、世帯情報データベース５０８から検索してきた情報である。領域１３１２の左端にあるボタンで、他の家族を指定し、領域１３１２の下端にある「背板内の訪問準備」ボタンを押すと、その家族についての「アポイント及び保全の切り口」メッセージ、「ヒアリングすべき事項」メッセージ、及び「提案の切り口」メッセージ等を表示する。領域１３１４は、顧客ｉについての自社のみならず、他社も含めた既契約情報を示している。この情報は、契約状態データベース５０４から検索してきたものであり、商品別加入状況（生保、がん保険、一時払い終身、据置年金、損保、自動車保険、他社生保）、保険金（日額、月額、年額）、保険満期期間、支払期間、保険料等を含む顧客契約状況ＣＳ_ｉとして表示される。

【0078】

この画面の特徴は、（１）顧客の様々な情報を一元化してあるという点と、（２）顧客に伝えるべき事項が一目瞭然で判別可能であり、また、「アポイント及び保全の切り口」、「ヒアリングすべき事項」、「提案の切り口」という観点から所定の優先順位に従って複数のメッセージを表示するという点と、（３）世帯内開拓に向けて世帯内の家族各々の間で画面を切り替え可能であるという点である。訪問準備画面１３００の中の「印刷」ボタン１３１８をクリックすると、訪問準備画面１３００から訪問準備シート１４００に切り替わる。

【0079】

図１５は、訪問準備シート１５００の詳細を示す図である。

【0080】

図示の訪問準備シート１４００は、“担当者ＩＤ”ｊ＝１２３４５６７、担当者氏名“井上晴子”についてのものである。領域１４０２は、顧客属性及び顧客の嗜好を表示している。領域１４０４は、顧客ｉについての自社の既契約商品を表示しており、図示の例では、終身保険である。領域１４０６は、顧客ｉについての他社の既契約商品を示しており、図示の例では、自動車保険である。領域１４０８は、顧客ｉの世帯情報及びその世帯を構成する個々の家族に対して提案すべき事項を示している。例えば、顧客ｉ本人は、更改までの期間が１乃至３月に迫った自動車損害保険に加入している。こういった更改の場合には、保険料が値上がりすることがよくある。従って、顧客ｉは、より値段が安く、保証が同程度の他社の自動車損害保険に乗り換える可能性がある。この場合の契約確率は、本発明に従った決定木モデルで予測することができ、その確率が高いため、領域１４０８に１番目の優先順位を持つメッセージとして表示されている。また、２番目の優先順位のメッセージは、顧客ｉが更新前２年以内の他社の生命保険に加入していることを示している。この場合も上記と同様である。さらに、３番目の優先順位を持つメッセージは、子息が小学校に入学することを示している。領域１４１０は、「アポイント及び保全の切り口」メッセージを表示する領域である。１番目の優先順位を持つメッセージは、その年度中に期間満了により消滅するマイレージがあるため、何らかの商品を提案するべき旨を示している。領域１４１２は、「ヒアリングすべき事項」メッセージを表示する領域である。領域１４１２は、顧客ｉからまだヒアリングできてない事項を優先順位に従って表示する。領域１４１４は、「提案の切り口」メッセージを表示する領域である。領域１４１４の「提案の切り口」メッセージは、確率モデルによって予測された予測契約確率ｐ（ｙ_ｉｎ，ｘ_ｉ）、世帯情報等の顧客属性Ｆ_ｉ、顧客契約状況ＣＳ_ｉ、顧客嗜好、担当者ｊの担当者活動履歴Ｈ_ｊに基づいて表示される。

【0081】

図１６乃至図２０は、訪問準備画面１３００を生成する際のデータベースサーバ１１０の処理のフローを示す図である。

【0082】

最初に、アプリケーションサーバ１０８のメッセージ決定部４１６は、データベースサーバ１１０の担当者エリアから“担当者ＩＤ”ｊ、担当者ｊが所属する事業所と検索し、データベースサーバ１１０の顧客情報エリアから、担当者ｊが担当する顧客の“顧客ＩＤ”ｉ、職業、職域、勤務先を検索する。次に、顧客エリアの契約状態データベース５０４から生命保険既契約基本情報及び生命保険既契約詳細情報、据置年金情報、他社生命保険契約情報、損害保険既契約情報、自動車保険既契約情報、他社損害保険既契約情報を検索して表示する。その後、メッセージ決定部４１６は、担当者エリアの活動履歴データベース５１２から、担当者ｊと顧客ｉとの間の前回のアポイントの日時及び提案内容、担当者ｊと顧客ｉとの間の次回のアポイントの約束等を検索して表示する。その後、メッセージ決定部４１６は、顧客エリアの世帯情報データベース５０８から、顧客情報、生命保険既契約基本情報、生命保険既契約詳細情報、他社生命保険既契約情報、損害保険既契約情報、他社損害保険既契約情報等を、顧客ｉ本人及び世帯を構成する各家族について繰り返し検索して、表示する。その後、メッセージ決定部４１６は、メッセージデータベース５１４を検索して、開拓の視点として、「アポイント及び保全の切り口」メッセージ、「ヒアリングすべき事項」メッセージ、及び「提案の切り口」メッセージ等を、それぞれの優先順位に従って表示する。

【0083】

本発明に従った方法の各ステップは、管理者端末１１６の記憶装置に格納されているソフトウェアプログラムを、管理者端末１１６のＣＰＵ上で実行することにより、ファイアウォール１０４、ウェブサーバ１０６、アプリケーションサーバ１０８、及びデータベースサーバ１１０を制御することで実行されても良い。

【0084】

本発明に従った上記の方法の各ステップは、ＣＰＵとメモリとを備えた、図示しないオペレータの端末によって行われてもよい。本発明の実施形態においては、上記の方法を実行するのに用いられるソフトウェアプログラムが、デジタル・データ・ストレージ媒体等のプログラム・ストレージ・デバイスに格納されていてもよく、これらのプログラム・ストレージ・デバイスは、機械読取り可能、又はコンピュータ読取り可能であり、また、これらのコンピュータ又は機械は、プログラム命令を機械実行可能プログラム、又はコンピュータ実行可能プログラムとしてエンコードし、エンコードされたプログラム命令は、本発明の方法のステップのうちの一部又は全部を実行する。プログラム・ストレージ・デバイスは、例えば、デジタル・メモリ、磁気ディスク及び磁気テープなどの磁気ストレージ媒体、ハード・ドライブ、又は光学的読取り可能デジタル・データ・ストレージ媒体とすることができる。

【0085】

本発明は、ソフトウェア、及び／又はソフトウェアとハードウェアの組合せで、例えば、特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）と、汎用コンピュータ、又は他の任意のハードウェア等価物を使用して実装されてもよい。

【0086】

上記の説明は、単に、本発明の特定の実施形態の開示を提供しているにすぎず、本発明を上記の実施形態のみに限定するように意図されてはいない。従って、本発明は、上記で説明された実施形態だけに限定されるものではなく、むしろ、当業者が本発明の範囲内に含まれる代替の実施形態を考案し得ることが認識される。

【符号の説明】

【0087】

１００ 保険営業支援システム
１０２ 中央管理センタ
１０４ ファイアウォール
１０６ ウェブサーバ
１０８ アプリケーションサーバ
１１０ データベースサーバ
１１２ 通信ネットワーク
１１４ クライアント端末

【要約】      （修正有）

【課題】生命保険の営業を支援するための訪問準備システムを提供する。
【解決手段】既契約顧客及び新規顧客についての顧客属性、顧客契約状況、及び顧客嗜好と、営業担当者の担当者活動履歴と、営業担当者用のメッセージを、データベースに格納し、確率モデルを用いて、既契約顧客及び新規顧客の各々について、複数の商品パターンの予測契約確率を算出し、顧客嗜好と顧客属性と顧客契約状況とに基づいて決定される優先順位と、担当者活動履歴と、予測契約確率に基づいて、メッセージテーブルから営業担当者用の複数のメッセージを選択する。
【選択図】図８

【図2】

【図3】

【図4】

【図5】

【図6】

【図8】

【図9】

【図10】

【図12】

【図16】

【図17】

【図18】

【図19】

【図1】

【図7】

【図11】

【図13】

【図14】

【図15】

【図20】

【図21】

【図22】