IP Force 特許公報掲載プロジェクト 2022.1.31 β版

知財求人 - 知財ポータルサイト「IP Force」

▶ 株式会社WACULの特許一覧

特開2022-14529メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法
<図1>
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図1
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図2
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図3
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図4
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図5
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図6
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図7
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図8
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図9
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図10
  • 特開-メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法 図11
< >
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022014529
(43)【公開日】2022-01-20
(54)【発明の名称】メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法
(51)【国際特許分類】
   G06Q 30/02 20120101AFI20220113BHJP
   G06N 20/00 20190101ALI20220113BHJP
   G06F 13/00 20060101ALI20220113BHJP
【FI】
G06Q30/02 398
G06Q30/02 470
G06N20/00 130
G06F13/00 605D
【審査請求】未請求
【請求項の数】23
【出願形態】OL
(21)【出願番号】P 2020116878
(22)【出願日】2020-07-07
(71)【出願人】
【識別番号】515102378
【氏名又は名称】株式会社WACUL
(74)【代理人】
【識別番号】100179970
【弁理士】
【氏名又は名称】桐山 大
(74)【代理人】
【識別番号】100071205
【弁理士】
【氏名又は名称】野本 陽一
(72)【発明者】
【氏名】垣内 勇威
【テーマコード(参考)】
5B084
5L049
【Fターム(参考)】
5B084AA01
5B084AA02
5B084AA11
5B084AA12
5B084AB02
5B084AB11
5B084AB31
5B084BA02
5B084BB15
5B084CA02
5B084DC04
5L049BB08
(57)【要約】      (修正有)
【課題】開封率やクリック率などの好反応率を向上させる汎用性の高いメール提案装置、メール提案システム、メール提案プログラム及びメール提案方法を提供する。
【解決手段】。メール提案装置と、管理装置と、メール配信装置と、サービス提供装置と、複数の端末装置とは、インターネットなどのネットワークNを介して通信可能に接続されているメール提案システムにおいて、メール提案装置10は、分析対象のメールマガジンに基づく分析用データを、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により構築された推奨モデルの入力として、該分析対象のメールマガジンで推奨される構成を示す推奨データを求める提案処理手段を有する。
【選択図】図2
【特許請求の範囲】
【請求項1】
分析対象のメールマガジンに基づく分析用データを、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により構築された推奨モデルの入力として、該分析対象のメールマガジンで推奨される構成を示す推奨データを求める提案処理手段を有する、メール提案装置。
【請求項2】
過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により、メールマガジンで推奨される構成を示す推奨データを出力する推奨モデルを生成する学習処理手段と、
分析対象のメールマガジンに基づく分析用データを前記推奨モデルの入力として、該分析対象のメールマガジンに応じた推奨データを求める提案処理手段と、を有する、メール提案装置。
【請求項3】
メールマガジンの属性を示す属性データを、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により構築された推奨モデルの入力とし、入力とした前記属性データに応じたメールマガジンの構成を示す推奨データを求める提案処理手段を有する、メール提案装置。
【請求項4】
過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により、メールマガジンで推奨される構成を示す推奨データを出力する推奨モデルを生成する学習処理手段と、
メールマガジンの属性を示す属性データを前記推奨モデルの入力とし、入力とした前記属性データに応じた前記推奨データを求める提案処理手段と、を有するメール提案装置。
【請求項5】
分析対象のメールマガジン内のテキストの情報である分析テキストに解析処理を施した上で前記分析用データを生成する前処理手段を有する、請求項1又は2に記載のメール提案装置。
【請求項6】
分析対象のメールマガジン内から画像の情報である分析画像を抽出し、抽出した前記分析画像に関する情報を含む前記分析用データを生成する前処理手段を有する、請求項1又は2に記載のメール提案装置。
【請求項7】
分析対象のメールマガジン内のテキストの情報である分析テキストに解析処理を施して分析要素データを生成すると共に、該分析対象のメールマガジン内から画像の情報である分析画像を抽出し、生成した前記分析要素データ及び抽出した前記分析画像に関する情報を含む前記分析用データを生成する前処理手段を有する、請求項1又は2に記載のメール提案装置。
【請求項8】
前記提案処理手段は、
前記推奨データとして、メールマガジンの件名に入れることが推奨される文字列を示す件名情報を求めるものである、請求項1~7の何れか一項に記載のメール提案装置。
【請求項9】
前記提案処理手段は、
前記推奨データとして、メールマガジンの件名での推奨される文字数に関する件名数データを求めるものである、請求項1~8の何れか一項に記載のメール提案装置。
【請求項10】
前記提案処理手段は、
前記推奨データとして、メールマガジンの本文に入れることが推奨される文字列を示す本文情報を求めるものである、請求項1~9の何れか一項に記載のメール提案装置。
【請求項11】
前記提案処理手段は、
前記推奨データとして、メールマガジンの本文での推奨される文字数に関する本文数データを求めるものである、請求項1~10の何れか一項に記載のメール提案装置。
【請求項12】
前記提案処理手段は、
前記推奨データとして、メールマガジンの件名と、該メールマガジンが開封されたとき最初に表示される領域の情報であるファーストビューとの関連性を高める案を示す関連性向上データを求めるものである、請求項1~11の何れか一項に記載のメール提案装置。
【請求項13】
前記提案処理手段は、
前記推奨データとして、リンク情報の配置の案を示すリンク配置データを求めるものである、請求項1~12の何れか一項に記載のメール提案装置。
【請求項14】
前記提案処理手段は、
前記推奨データとして、リンク情報に用いる文言の案を示すリンク文言データを求めるものである、請求項1~13の何れか一項に記載のメール提案装置。
【請求項15】
前記提案処理手段は、
前記推奨データとして、リンク情報の態様の案を示すリンク態様データを求めるものである、請求項1~14の何れか一項に記載のメール提案装置。
【請求項16】
前記提案処理手段は、
前記推奨データとして、リンク情報のリンク先へ誘導するための誘導情報に含めることが推奨される文言を示す誘導文言データを求めるものである、請求項1~15の何れか一項に記載のメール提案装置。
【請求項17】
前記提案処理手段は、
前記推奨データとして、メールマガジンの配信を推奨するタイミングを示す推奨配信時データを求めるものである、請求項1~16の何れか一項に記載のメール提案装置。
【請求項18】
前記提案処理手段は、
前記推奨データとして、メールマガジンで推奨される配信頻度の情報である頻度データを求めるものである、請求項1~17の何れか一項に記載のメール提案装置。
【請求項19】
前記提案処理手段は、
前記推奨データとして、推奨される配信先の情報である推奨配信先データを求めるものである、請求項1~18の何れか一項に記載のメール提案装置。
【請求項20】
請求項1~19の何れか一項に記載のメール提案装置と、
表示部を有する管理装置と、を備え、
前記提案処理手段は、
求めた前記推奨データを前記管理装置へ送信するものであり、
前記表示部は、
前記推奨データに基づく情報を表示するものである、メール提案システム。
【請求項21】
前記提案処理手段は、
1又は複数の前記推奨データを求めて前記管理装置へ送信するものであり、
前記管理装置は、
1又は複数の前記推奨データを用いて、メールマガジンにおける有意な構成を提案する構成提案画面を前記表示部に表示させる表示処理手段を有する、請求項20に記載のメール提案システム。
【請求項22】
分析対象のメールマガジンで推奨される構成を示す推奨データを求めるメール提案装置に搭載されたコンピュータを、
過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により、前記推奨データを出力する推奨モデルを生成する学習処理手段、
及び分析対象のメールマガジンに基づく分析用データを前記推奨モデルの入力として、該分析対象のメールマガジンに応じた前記推奨データを求める提案処理手段、として機能させるための、メール提案プログラム。
【請求項23】
分析対象のメールマガジンで推奨される構成を示す推奨データを求めるメール提案装置が、
過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により、前記推奨データを出力する推奨モデルを生成する学習処理工程と、
分析対象のメールマガジンに基づく分析用データを前記推奨モデルの入力として、該分析対象のメールマガジンに応じた前記推奨データを求める提案処理工程と、を実行する、メール提案方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、メールマガジンの構成を提案するメール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法に関する。
【背景技術】
【0002】
企業などから複数の読者に対して一斉配信されるメールマガジンは、Webマーケティングのツールとして広く活用されている。メールマガジンは、商品やサービスの販売促進、知識やノウハウの教育及び啓蒙、顧客育成やリピーターの獲得といった目的で配信される。
【0003】
従来から、メールマガジンに対しては、開封率やリンク情報のクリック率などの好反応率を上げるための工夫がなされている(例えば、特許文献1参照)。特許文献1には、ユーザごとに設定された趣味嗜好値と記事ごとに設定された趣味嗜好値との照合により、メールマガジンの各記事を並べ替える技術が開示されている。そして、特許文献1では、かかる技術により、ユーザに興味のない記事が文頭にくることによる読み飛ばしを最小限に抑えることができる、とされている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開2002-150147号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、特許文献1の情報提供システムは、ユーザ及び記事の趣味嗜好値が存在しなければ、メールマガジンの各記事の順序を決定することができない。すなわち、該システムは、趣味嗜好値が設定されていない一般ユーザに対しては、好反応率を上げるための処理を行うことができず、汎用性に欠けるという課題がある。
【0006】
本発明は、上述のような課題を解決するためになされたものであり、好反応率を向上させる汎用性の高いメール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法を提供することを目的とする。
【課題を解決するための手段】
【0007】
本発明の一態様に係るメール提案装置は、分析対象のメールマガジンに基づく分析用データを、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により構築された推奨モデルの入力として、該分析対象のメールマガジンで推奨される構成を示す推奨データを求める提案処理手段を有するものである。
【0008】
本発明の一態様に係るメール提案装置は、メールマガジンの属性を示す属性データを、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により構築された推奨モデルの入力として、該属性データに応じた、メールマガジンで推奨される構成を示す推奨データを求める提案処理手段を有するものである。
【0009】
本発明の一態様に係るメール提案システムは、上記のメール提案装置と、表示部を有する管理装置と、を備え、提案処理手段は、推奨モデルによって求めた推奨データを管理装置へ送信するものであり、表示部は、推奨データに基づく情報を表示するものである。
【0010】
本発明の一態様に係るメール提案プログラムは、分析対象のメールマガジンで推奨される構成を示す推奨データを求めるメール提案装置に搭載されたコンピュータを、過去に配信されたメールマガジンの構成に係る構成データと、該メールマガジンの受信者の反応を示す反応データと、に基づく機械学習により、推奨データを出力する推奨モデルを生成する学習処理手段、及び分析対象のメールマガジンに基づく分析用データを推奨モデルの入力として、該分析対象のメールマガジンに応じた推奨データを求める提案処理手段、として機能させるためのものである。
【0011】
本発明の一態様に係るメール提案方法は、分析対象のメールマガジンで推奨される構成を示す推奨データを求めるメール提案装置が、過去に配信されたメールマガジンの構成に係る構成データと、該メールマガジンの受信者の反応を示す反応データと、に基づく機械学習により、推奨データを出力する推奨モデルを生成する学習処理工程と、分析対象のメールマガジンに基づく分析用データを推奨モデルの入力として、該分析対象のメールマガジンに応じた推奨データを求める提案処理工程と、を実行するようになっている。
【発明の効果】
【0012】
本発明は、過去に配信されたメールマガジンの構成データと該メールマガジンの受信者の反応データとに基づく推奨モデルを用い、分析対象のメールマガジンで推奨される構成を示す推奨データを求めるようになっている。すなわち、本発明によれば、メールマガジンごとの構成データ及び反応データに基づく推奨モデルにより、ユーザの情報の事前登録を要することなく、自動的に推奨データを求めることができるため、汎用性を確保しつつ、好反応率の向上を図ることができる。
【図面の簡単な説明】
【0013】
図1】本発明の実施の形態1に係るメール提案システム及びその関連機器等の構成例を示すブロック図である。
図2図1のメール提案装置の機能的な構成を例示したブロック図である。
図3図1の端末装置の機能的な構成を例示したブロック図である。
図4図1の管理装置の機能的な構成を例示したブロック図である。
図5図1のメール提案システムにおける動作の流れを例示したシーケンスチャートである。
図6図4の管理装置の表示部に表示される構成提案画面の一例を示す説明図である。
図7】本発明の実施の形態1の変形例1aに係るメール提案システムにおいて、管理装置の表示部に表示される構成提案画面の一例を示す説明図である。
図8】本発明の実施の形態2に係るメール提案装置の機能的な構成を例示したブロック図である。
図9】本発明の実施の形態2に係るメール提案システムの動作の流れを例示したシーケンスチャートである。
図10】本発明の実施の形態2に係るメール提案システムにおいて、管理装置の表示部に表示されるメール提案画面の一例を示す説明図である。
図11】本発明の実施の形態2の変形例2aに係るメール提案システムにおいて、管理装置の表示部に表示される構成提案画面の一例を示す説明図である。
【発明を実施するための形態】
【0014】
実施の形態1.
図1を参照し、メール提案システム及びその関連機器等の構成例について説明する。図1に示すように、メール提案システム100は、メール提案装置10と、管理装置20と、により構成されている。メール提案装置10と、管理装置20と、メール配信装置40と、サービス提供装置50と、複数の端末装置60とは、インターネットなどのネットワークNを介して通信可能に接続されている。
【0015】
メール提案装置10は、入力された情報に応じて、メールマガジンにおける有意な構成を提案するものである。ここで、メールマガジンの構成には、メールマガジンの構造と、メールマガジンのパーツごとの内容と、が含まれる。メールマガジンのパーツとは、メールマガジンに含まれるテキストデータの集合体やオブジェクトなどのことであり、メールマガジンの構造とは、各パーツの種別及び配置のことである。メール提案装置10は、クラウドコンピューティングに基づくクラウドサーバ、もしくは物理サーバ、又はこれらを組み合わせたシステムなどにより構成される。
【0016】
管理装置20は、メールマガジンを用いたマーケティングを行う運営者等が、メールマガジンを管理するためのPC(Personal Computer)である。PCには、タブレットPC、ノートPC、デスクトップ型PCなどが含まれる。もっとも、管理装置20は、スマートフォン又はタブレット端末などのモバイル端末であってもよい。管理装置20は、メールマガジンを管理するための専用アプリケーションがインストールされていてもよく、外部サーバとの連携によりメールマガジンを管理してもよい。運営者等は、管理装置20を用いてメールマガジンを作成すると共に、メールマガジンの構成を確認し、細かな修正を行うことができる。
【0017】
メール配信装置40は、管理装置20からの指令に応じて、メールマガジンなどの電子メールを端末装置60へ配信するものである。メール配信装置40は、クラウドコンピューティングに基づくクラウドサーバ又は物理サーバなどにより構成される。サービス提供装置50は、商品又はサービスの取引等が可能なウェブサイトを端末装置60に提供するウェブサーバである。ウェブサイトは、ECサイト(Electronic Commerce site)、モバイルゲームなどのオンラインゲームを提供するサイト(Webサービス)などを広く含むものとする。サービス提供装置50は、クラウドコンピューティングに基づくクラウドサーバ又は物理サーバなどにより構成される。
【0018】
端末装置60は、ユーザにより使用されるスマートフォンなどのモバイル端末又はPCである。端末装置60は、メールソフト又はWebメールの使用が可能となっており、管理装置20からメール配信装置40を介して配信される電子メールをユーザに確認させる機能を有している。すなわち、ユーザは、メールソフトを介してメール配信装置40から電子メールを端末装置60にダウンロードするか、端末装置60のブラウザからメール配信装置40上の電子メールにアクセスすることにより、自身宛ての電子メールを確認することができる。
【0019】
端末装置60は、ユーザの操作に応じて、ウェブサイトへのアクセスやログインなどを行うと共に、ウェブサイト内の種々の情報を表示し、売買取引の中継などを行う。例えば、ユーザがメールマガジン内のリンク情報をクリック等した場合、端末装置60は、該リンク情報のリンク先のウェブページの情報を表示する。ここで、リンクとは、メールマガジン等の中に記された、ウェブサイト内の特定のウェブページの所在を示す情報(例えばURL:Uniform Resource Locator)のことである。すなわち、リンク情報とは、リンク先のウェブページの所在を示す情報に対応づけられた文字又は図形などの情報のことである。ただし、リンク情報は、メールマガジンの解除用ページへのリンクを含む解除情報を含まないものとする。以降では、ウェブサイトのことを「サイト」ともいう。
【0020】
次に、図2を参照して、メール提案装置10の機能的な構成例について説明する。図2に示すように、メール提案装置10は、通信部11と、制御部12と、記憶部13と、を有している。通信部11は、制御部12がネットワークNに接続された機器等との間で有線又は無線による通信を行うためのインタフェースである。
【0021】
記憶部13は、メール提案プログラムP1などの制御部12の動作プログラムの他、メールマガジンの管理及び分析に関連する種々のデータを記憶する。また、記憶部13には、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により構築される推奨モデルM1が格納される。記憶部13は、RAM(Random Access Memory)及びROM(Read Only Memory)、フラッシュメモリ等のPROM(Programmable ROM)、又はHDD(Hard Disk Drive)等により構成することができる。
【0022】
制御部12は、取得処理手段12aと、前処理手段12bと、学習処理手段12cと、提案処理手段12dと、を有している。取得処理手段12aは、メール配信装置40から端末装置60へ配信されたメールマガジンに関する情報である配信メール情報を逐次又は定期的に取得し、取得した配信メール情報を記憶部13に記憶させる。ここで、メール配信装置40から端末装置60へ配信されたメールマガジンのことを「配信済メール」ともいう。
【0023】
配信メール情報は、配信済メールの構成に係る構成データを含んでいる。構成データは、メールマガジンを構成するパーツごとの種別及び配置といったメールマガジンの構造を示す構造データと、各パーツの具体的な内容を示す内容データと、が含まれる。メールマガジンを構成するパーツには、テキストデータの集合体や画像の情報であるパーツ画像などが含まれる。テキストデータは、管理装置20又は端末装置60に文字として表示される。パーツ画像は、管理装置20又は端末装置60に、写真、アイコン、又はボタンなどの画像(オブジェクト)として表示される。以降では、構成データに含まれるテキストデータのことを「配信テキスト」ともいい、構成データに含まれるパーツ画像のことを「配信画像」ともいう。
【0024】
配信メール情報は、配信済メールの配信時を示す配信時データと、配信済メールの受信者の反応を示す反応データと、を含んでいる。配信時データと反応データとは、構成データに紐付けられている。配信時データは、配信済メールが配信された日時及び曜日の情報を含む。反応データは、メールマガジンの開封率の情報と、リンク情報のクリック率の情報と、メールマガジンの解除率の情報と、を含んでいる。反応データは、リンク先におけるコンバージョン率(CVR:Conversion Rate)の情報を含んでいてもよい。コンバージョン(CV)は、ウェブサイトの目的となるゴール、つまりウェブサイトでユーザに達成してもらいたい行動のことであり、登録、商品やサービスの購入、申し込み、資料請求、予約の実施などを指す。コンバージョン率は、サイトの訪問者が該サイトの目標達成となる行動をどの程度とったかを表す指標である。
【0025】
配信メール情報は、メールマガジンの配信先を示す配信先情報を含んでいてもよい。配信先情報は、配信先の端末装置60を使用しているユーザの年齢層、性別、在住都道府県、職業、嗜好などの情報を含む。以降では、メールマガジンの開封率のことを「開封率」ともいい、リンク情報のクリック率のことを「クリック率」ともいい、メールマガジンの解除率のことを「解除率」ともいう。開封率、クリック率、及びコンバージョン率のことを総称して「好反応率」という。
【0026】
また、取得処理手段12aは、分析対象のメールマガジンである分析対象メールを管理装置20から取得し、取得した分析対象メールを記憶部13に記憶させる。分析対象メールは、管理装置20において分析対象として設定されたメールマガジンである。分析対象メールは、未配信のメールマガジンであってもよく、既に配信したメールマガジンであってもよい。分析対象メールは、テキストの情報である分析テキスト、及びパーツ画像である分析画像のうちの少なくとも一方を含んでいる。
【0027】
ここで、メールマガジンは、件名(タイトル)の情報と、本文の情報と、を含んでいる。件名の情報には、件名の文字列の情報と、件名の文字数の情報と、が含まれる。文字列は、単語、連語、文章、又はこれらの組み合わせを含むものとする。件名は、メールマガジンを開封する前にも、その一部又は全部が一覧表示等で表示され、開封率に寄与する部分である。本実施の形態1において、本文は、いわゆるヘッダ、リード文、見出し、インデックス、及びフッタなどを含む概念とする。本文は、リンク情報の他に、リンク情報のリンク先へ誘導するための誘導情報と、解除用ページへのリンクを含む解除情報と、を含むものとする。誘導情報は、リンク情報のクリック等を誘導するための文言の情報を含み、矢印などの記号や、アイコンなどの画像等を含んでいてもよい。
【0028】
また、メールマガジンが開封されたとき最初に表示される領域の情報のことを、ファーストビューという。ファーストビューは、通常、メールマガジンにおける上部の領域の情報となる。ファーストビューは、端末装置60としてのデバイスの種類によって、対象となる領域が変化する。メールマガジンにおいて、件名とファーストビューとの関連性と、クリック率との間には相関がある。つまり、件名とファーストビューとの関連性が強くなればクリック率が上昇し、件名とファーストビューとの関連性が弱くなればクリック率が低下する、という傾向がうかがえる。したがって、件名とファーストビューとの関連性は、クリック率を上げるための有効な指標となる。
【0029】
前処理手段12bは、配信テキストに解析処理を施すことにより学習要素データを生成する。そして、前処理手段12bは、生成した学習要素データ、構成データのうちの配信テキスト以外のデータ、配信時データ、及び反応データを、推奨モデルM1の訓練に用いる学習用データとして記憶部13に記憶させる。前処理手段12bは、分析テキストに解析処理を施すことにより分析要素データを生成する。そして、前処理手段12bは、生成した分析要素データ、及び分析対象メールのうちの分析テキスト以外のデータを、推奨モデルM1の入力とする分析用データとして記憶部13に記憶させる。以降では、配信テキストと分析テキストとを総称して「テキスト」といい、配信画像と分析画像とを総称して「画像データ」という。学習要素データと分析要素データとを総称して「要素データ」という。
【0030】
より具体的に、前処理手段12bは、記憶部13に記憶されているテキストに対し、形態素解析などの自然言語処理を施すテキスト解析機能を有している。形態素解析とは、自然言語で書かれたテキストデータを、言語上の最小単位である形態素に分割し(分かち書きし)、各形態素のそれぞれの品詞や変化などを判別することである。すなわち、前処理手段12bは、テキストから分割した各形態素のそれぞれに、動詞、名詞、形容詞などの品詞の情報を付して分散表現に変換した要素データを生成し、生成した要素データを記憶部13に記憶させる。
【0031】
前処理手段12bは、各形態素のそれぞれに変換処理を施す際、機械学習の鍵となるキー情報を抽出するようにしてもよく、さらに、抽出したキー情報に対して重み付けなどの処理を行ってもよい。例えば、キー情報としては、「期間限定」「限定○人」「限定○個」「限定○枚」「1日○組」「お一人様○つまで」のような消費者の購買意欲を上昇させるための限定ワードが設定される。前処理手段12bは、上記のような限定ワードを抽出した場合、抽出した限定ワードに限定情報を付したものを要素データとして生成してもよい。限定情報とは、限定ワードであることを示す識別情報であり、重要度が相対的に高い情報であることを示す。すなわち、限定ワードに限定情報が付された要素データは、限定ワードに所定の重みが付された情報であり、機械学習に、もしくは推奨モデルM1への入力データとして用いられる。もっとも、限定ワードの種類ごとに個別の重みが設定され、前処理手段12bは、抽出した限定ワードに個別の限定情報を付したものを要素データとしてもよい。
【0032】
また、キー情報としては、件名の文字数の情報である件名文字数が設定されてもよい。前処理手段12bは、件名に自然言語処理を施す際に件名文字数を抽出し、抽出した件名文字数に所定の重みを付したものを要素データとして生成するとよい。このとき、前処理手段12bは、抽出した件名文字数の多少に応じて、付加する重みを変化させるとよい。具体的には、件名文字数が少なければ付加する重みが大きくなるように、件名文字数と重みとが対応づけられた件名重み情報を記憶部13に記憶させておくとよい。前処理手段12bは、抽出した件名文字数を件名重み情報に照らして、件名文字数が少ないほど相対的に大きな重みを付加するように処理するとよい。
【0033】
さらに、キー情報としては、本文におけるテキストデータの位置の情報である位置データが設定されてもよい。位置データは、文頭、中間部、又は末尾といった位置を示す情報であり、本文全体における位置だけではなく、ファーストビューにおける位置についても設定するとよい。具体的には、テキストデータの位置と重みとの関係につき、位置データが文頭に近いほど付加する重みが大きくなるように対応づけられた位置重み情報を記憶部13に記憶させておくとよい。位置重み情報では、テキストデータの位置として、例えば、ファーストビューの前段部分・中段部分・後段部分、ファーストビュー以降の前段部分・後段部分のような段階的な設定をするとよい。前処理手段12bは、抽出した位置データを位置重み情報に照らして、位置データが文頭に近いほど相対的に大きな重みを付加するように処理するとよい。
【0034】
なお、前処理手段12bは、テキスト中から不要データを削除するような比較的簡易な解析処理によって要素データを生成してもよい。不要データとは、例えば数値、改行、又は記号などの、推奨モデルM1の訓練及び該モデルを用いた演算にとって重要度の低い文字等のことである。
【0035】
前処理手段12bは、記憶部13に記憶されている画像データに解析処理を施して要素データを生成する画像解析機能を有していてもよい。この場合、前処理手段12bは、画像解析機能により、構成データ内から配信画像を抽出し、抽出した配信画像に関する情報を含む学習用データを生成する。配信画像に関する情報は、配信画像の位置を示す情報の他、配信画像そのものを含んでいてもよい。また、前処理手段12bは、画像解析機能により、分析対象メール内から分析画像を抽出し、抽出した分析画像に関する情報を含む分析用データを生成する。分析画像に関する情報は、分析画像の位置を示す情報の他、分析画像そのものを含んでいてもよい。
【0036】
より具体的に、前処理手段12bは、画像解析機能により、リンク情報としてのボタンの位置の情報や、「セールはこちら」のような誘導情報の位置の情報を、要素データとして生成してもよい。また、前処理手段12bは、画像解析機能により、予め設定された上部の領域(ファーストビューなど)にリンク情報としてのボタンや誘導情報があるか否かを示す情報を、要素データとして生成してもよい。さらに、前処理手段12bは、画像解析機能により、件名との関連性が強い関連ワードの位置の情報を、要素データとして生成してもよい。加えて、前処理手段12bは、画像解析機能により、関連ワードが本文の冒頭部分に位置しているか否かの情報を、要素データとして生成してもよい。なお、リンク情報としてのボタン、誘導情報、及び関連ワードは、前処理手段12bにより画像として抽出される場合、配信画像もしくは分析画像に相当する。
【0037】
ここで、前処理手段12bは、テキスト解析機能と画像解析機能との双方を有していてもよく、テキスト解析機能及び画像解析機能のうちの何れか一方を有していてもよい。前処理手段12bは、テキスト解析機能と画像解析機能との双方を有している場合、テキスト及び画像データに解析処理を施して要素データを生成する。
【0038】
前処理手段12bは、画像解析機能のみを有する場合、配信画像に解析処理を施して学習要素データを生成し、生成した学習要素データ、構成データのうちの配信画像以外のデータ、配信時データ、及び反応データを、学習用データとして記憶部13に記憶させる。同想定において、前処理手段12bは、分析画像に解析処理を施して分析要素データを生成し、生成した分析要素データ、及び分析対象メールのうちの分析画像以外のデータを、分析用データとして記憶部13に記憶させる。
【0039】
学習処理手段12cは、過去に配信されたメールマガジンの構成に係る構成データと、該メールマガジンの受信者の反応を示す反応データと、に基づく機械学習により、メールマガジンで推奨される構成を示す推奨データを出力する推奨モデルM1を生成する。本実施の形態1において、学習処理手段12cは、推奨モデルM1の訓練に配信時データを用いるようになっている。具体的には、学習処理手段12cは、前処理手段12bが生成した学習用データを用いての機械学習により、メールマガジンの有意な構成を提案する学習済モデルである推奨モデルM1を構築する。
【0040】
配信メール情報は、取得処理手段12aにより経時的に取得され、記憶部13に蓄積される。そして、前処理手段12bは、記憶部13に記憶された配信メール情報に対し、所定のタイミングで上記の解析処理を施して学習用データを生成し、生成した学習用データを記憶部13に記憶させる。学習処理手段12cは、設定されたタイミングで、記憶部13に新たに蓄積された学習用データを推奨モデルM1の入力とすることにより、推奨モデルM1のパラメータなどを適宜チューニングして、推奨モデルM1の更新処理を実行する。
【0041】
本実施の形態1において、学習処理手段12cは、DNN(Deep Neural Network)を用いた教師あり学習により推奨モデルM1を生成するようになっている。学習処理手段12cは、教師なし学習又は半教師あり学習により推奨モデルM1を生成するものであってもよい。学習処理手段12cは、GBDT (Gradient Boosting Decision Tree)を用いた機械学習により推奨モデルM1を生成してもよい。学習処理手段12cは、キャラクタレベルCNNを用いた機械学習により推奨モデルM1を生成してもよい。加えて、学習処理手段12cは、線形回帰、ロジスティック回帰、又は決定木などの回帰の手法により推奨モデルM1を生成するものであってよい。さらに、学習処理手段12cは、ランダムフォレスト又はサポートベクターマシンなどの分類の手法により推奨モデルM1を生成するものであってよい。もっとも、学習処理手段12cは、上述した複数の機械学習を組み合わせた手法により推奨モデルM1を生成してもよい。
【0042】
提案処理手段12dは、分析対象メールに基づく分析用データを、過去に配信されたメールマガジンごとの構成データ及び反応データに基づく機械学習により構築される推奨モデルM1の入力として、該分析対象メールに応じた推奨データを求めるものである。そして、提案処理手段12dは、推奨モデルM1により求めた推奨データを管理装置20へ送信するようになっている。本実施の形態1における推奨データは、分析対象メールの改善案に関する情報である。
【0043】
提案処理手段12dは、推奨データとして、メールマガジンの件名に入れることが推奨される文字列を示す件名情報を求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとして件名情報を出力する推奨モデルM1を構築するものとなる。提案処理手段12dは、推奨データとして、メールマガジンの件名として推奨される文字数に関する件名数データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとして件名数データを出力する推奨モデルM1を構築するものとなる。上述したように、件名と開封率との間には相関があるため、件名情報及び件名数データのうちの少なくとも一方を推奨モデルM1に出力させる場合、推奨モデルM1の学習に用いる反応データは、開封率を含むように設定するとよい。
【0044】
提案処理手段12dは、推奨データとして、メールマガジンの本文に入れることが推奨される文字列を示す本文情報を求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとして本文情報を出力する推奨モデルM1を構築するものとなる。提案処理手段12dは、推奨データとして、メールマガジンの本文で推奨される文字数に関する本文数データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとして本文数データを出力する推奨モデルM1を構築するものとなる。提案処理手段12dは、推奨データとして、メールマガジンの本文で推奨される行数に関する本文行数データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとして本文行数データを出力する推奨モデルM1を構築するものとなる。
【0045】
提案処理手段12dは、推奨データとして、リンク情報の配置の案を示すリンク配置データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとしてリンク配置データを出力する推奨モデルM1を構築するものとなる。提案処理手段12dは、推奨データとして、リンク情報に用いる文言の案を示すリンク文言データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとしてリンク文言データを出力する推奨モデルM1を構築するものとなる。提案処理手段12dは、推奨データとして、リンク情報の態様の案を示すリンク態様データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとしてリンク態様データを出力する推奨モデルM1を構築するものとなる。リンク情報の配置、文言、及び態様と、クリック率との間には相関がある。そのため、リンク配置データ、リンク文言データ、及びリンク態様データのうちの少なくとも1つを推奨モデルM1に出力させる場合、推奨モデルM1の学習に用いる反応データは、クリック率を含むように設定するとよい。
【0046】
提案処理手段12dは、推奨データとして、誘導情報に含めることが推奨される文言を示す誘導文言データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとして誘導文言データを出力する推奨モデルM1を構築するものとなる。誘導情報とクリック率との間には相関があるため、誘導文言データを推奨モデルM1に出力させる場合、推奨モデルM1の学習に用いる反応データは、クリック率を含むように設定するとよい。
【0047】
提案処理手段12dは、推奨データとして、メールマガジンの件名と、該メールマガジンのファーストビューとの関連性を高める案を示す関連性向上データを求めるようにしてもよい。この場合、推奨モデルM1は、学習用データからファーストビューに対応するファーストデータを抽出し、抽出したファーストデータと反応データとの関連性を学習するように構成される。つまり、学習処理手段12cは、件名とファーストビューとの関連性が反応データに及ぼす影響を推奨モデルM1に学習させ、推奨データとして関連性向上データを出力する推奨モデルM1を構築することになる。学習処理手段12cは、前処理手段12bの件名及びファーストビューに対する自然言語処理で得られた学習要素データを推奨モデルM1の訓練に用いることにより、件名とファーストビューとの有意な関連性を推奨モデルM1に反映することができる。
【0048】
例えば、件名が「キャンペーンやってます」といった文字列を含んでいる場合に、ファーストビューに「50%OFFセール開催中」といった「キャンペーン」に関連する文字列が含まれていれば、件名とファーストビューとの関連性が相対的に高くなる。上述したように、件名とファーストビューとの関連性と、クリック率との間には相関があるため、関連性向上データを推奨モデルM1に出力させる場合、推奨モデルM1の学習に用いる反応データは、クリック率を含むように設定するとよい。提案処理手段12dは、分析対象メールから、件名とファーストビューとの関連性を示す関連性データを抽出して、管理装置20へ出力してもよい。
【0049】
提案処理手段12dは、推奨データとして、メールマガジンの配信を推奨するタイミングを示す推奨配信時データを求めるようにしてもよい。この場合の推奨モデルM1は、メールマガジンの配信時を示す配信時データを用いて訓練されたものである。すなわち、学習処理手段12cは、構成データに紐付けられた配信時データを用いて推奨モデルM1の訓練を行い、推奨データとして推奨配信時データを出力する推奨モデルM1を構築する。
【0050】
提案処理手段12dは、推奨データとして、メールマガジンの推奨される配信頻度を示す頻度データを求めるようにしてもよい。この場合、学習処理手段12cは、推奨データとして頻度データを出力する推奨モデルM1を構築するものとなる。頻度データと解除率との間には相関があるため、頻度データを推奨モデルM1に出力させる場合、推奨モデルM1の学習に用いる反応データは、解除率を含むように設定するとよい。
【0051】
提案処理手段12dは、推奨データとして、推奨される配信先の情報である推奨配信先データを求めるようにしてもよい。この場合は、配信メール情報が配信先情報を含むことを前提とし、学習処理手段12cは、推奨データとして推奨配信先データを出力する推奨モデルM1を構築するものとなる。
【0052】
学習処理手段12cは、推奨データとして、件名情報、件名数データ、本文情報、本文数データ、本文行数データ、リンク配置データ、リンク文言データ、リンク態様データ、誘導文言データ、関連性向上データ、推奨配信時データ、頻度データ、及び推奨配信先データの全てを出力する推奨モデルM1を構築してもよい。また、学習処理手段12cは、推奨データとして、件名情報、件名数データ、本文情報、本文数データ、本文行数データ、リンク配置データ、リンク文言データ、リンク態様データ、誘導文言データ、関連性向上データ、推奨配信時データ、頻度データ、及び推奨配信先データのうちの、何れか1つ又は幾つかを組み合わせて出力する推奨モデルM1を構築してもよい。すなわち、提案処理手段12dは、推奨モデルM1によって、件名情報、件名数データ、本文情報、本文数データ、本文行数データ、リンク配置データ、リンク文言データ、リンク態様データ、誘導文言データ、関連性向上データ、推奨配信時データ、頻度データ、及び推奨配信先データのうちの少なくとも1つを求めるように構成するとよい。
【0053】
制御部12は、CPU(Central Processing Unit)又はGPU(Graphics Processing Unit)などの演算装置と、こうした演算装置と協働して上記の各種機能を実現させるメール提案プログラムP1とにより構成することができる。すなわち、メール提案プログラムP1は、コンピュータとしての制御部12及び記憶部13を、取得処理手段12a、前処理手段12b、学習処理手段12c、及び提案処理手段12dとして機能させるためのプログラムである。
【0054】
次いで、図3を参照して、端末装置60の機能的な構成例について説明する。図3に示すように、端末装置60は、端末通信部61と、端末制御部62と、端末記憶部63、端末入力部64と、端末表示部65と、を有している。端末記憶部63には、端末制御部62の動作プログラムの他、種々の情報が記憶される。端末記憶部63は、RAM及びROM、フラッシュメモリ等のPROM、又はHDDなどにより構成される。
【0055】
端末入力部64は、例えば、キーボードと、マウス又はトラックボールなどのポインティングデバイスと、を含んで構成される。端末入力部64は、ユーザによる入力操作を受け付け、受け付けた入力操作に応じた操作信号を端末制御部62へ送信する。端末表示部65は、例えば液晶ディスプレイ(LCD:Liquid Crystal Display)からなり、端末制御部62からの指示により種々の情報を表示する。
【0056】
端末制御部62は、情報処理手段62aと、表示処理手段62bと、を有している。情報処理手段62aは、端末表示部65への表示に関する操作を受け付けると、該操作に応じた制御信号を表示処理手段62bへ出力する。表示処理手段62bは、情報処理手段62aからの制御信号に応じて、端末表示部65に文字や画像などを表示させる。
【0057】
表示処理手段62bは、ユーザによるメール確認操作に応じた制御信号が情報処理手段62aから出力されると、メール配信装置40へアクセスすることにより、該ユーザ宛ての電子メールを端末表示部65に表示させる。より具体的に、表示処理手段62bは、メール配信装置40へアクセスして、ユーザ宛ての電子メールの一覧を端末表示部65に表示させる。表示処理手段62bは、電子メールの一覧のうちの、あるメールマガジンの箇所がユーザによりクリック等されると、該メールマガジンを開封し、その内容を端末表示部65に表示させる。メールマガジンが開封されたことは、該メールマガジンに紐づけられ、反応データにおける開封率に反映される。
【0058】
表示処理手段62bは、開封されたメールマガジンのリンク情報がユーザによりクリック等されると、該リンク情報のリンク先のページを端末表示部65に表示させる。メールマガジンのリンク情報がクリック等されたことは、該メールマガジンに紐づけられ、反応データにおけるクリック率に反映される。そして、ユーザがリンク情報のリンク先で商品の購入等を行うことにより、コンバージョンが発生する。そのコンバージョンの発生は、リンク情報が貼られたメールマガジンに紐づけられ、反応データにおけるコンバージョン率に反映される。
【0059】
表示処理手段62bは、開封されたメールマガジンの解除情報がユーザによりクリック等されると、該解除情報のリンク先のページを端末表示部65に表示させる。メールマガジンの解除情報がクリック等されたことは、該メールマガジンに紐づけられ、反応データにおける解除率に反映される。
【0060】
端末制御部62は、CPU又はGPUなどの演算装置と、こうした演算装置と協働して上記の各種機能を実現させる動作プログラムとにより構成することができる。なお、端末装置60は、端末入力部64及び端末表示部65の代わりに、文字又は画像等を表示する表示パネルと、該表示パネルに積層されてタッチ操作を検出する検出手段と、を含むタッチパネルを有していてもよい。端末装置60は、タッチパネルと、マウス又はキーボード等とを併せ持つものであってもよい。
【0061】
続いて、図4を参照して、管理装置20の機能的な構成例について説明する。図4に示すように、管理装置20は、管理通信部21と、管理制御部22と、管理記憶部23、入力部24と、表示部25と、を有している。管理記憶部23には、表示処理プログラム23pを含む管理制御部22の動作プログラムの他、種々の情報が記憶される。管理記憶部23は、RAM及びROM、フラッシュメモリ等のPROM、又はHDDなどにより構成される。
【0062】
入力部24は、例えば、キーボードと、マウス又はトラックボールなどのポインティングデバイスと、を含んで構成される。入力部24は、運営者等による入力操作を受け付け、入力操作の内容に応じた操作信号を管理制御部22へ送信する。表示部25は、例えば液晶ディスプレイからなり、管理制御部22からの指示により種々の情報を表示する。例えば、表示部25は、メール提案装置10から送信される推奨データに基づく情報である提案情報を表示する。
【0063】
管理制御部22は、情報処理手段22aと、表示処理手段22bと、を有している。 情報処理手段22aは、表示部25への表示に関する操作を受け付けると、該操作に応じた制御信号を表示処理手段22bへ出力する。情報処理手段22aは、分析対象メールの指定用の対象設定画面を介して、運営者等がメールマガジンを指定すると、指定されたメールマガジンを分析対象メールとして管理記憶部23に記憶させる。情報処理手段22aは、メール提案装置10から送信される推奨データを管理記憶部23に記憶させる。
【0064】
表示処理手段22bは、情報処理手段22aからの制御信号に応じて、表示部25に文字や画像などを表示させる。例えば、表示処理手段22bは、対象設定画面の表示を指示する制御信号に応じて、表示部25に対象設定画面を表示させる。対象設定画面は、事前に登録されたメールマガジンの指定が可能な画面であってもよく、メールマガジンの作成を行った上で登録及び指定が可能な画面であってもよい。表示処理手段22bは、分析対象メールの分析を指示する制御信号に応じて、管理記憶部23内の分析対象メールをメール提案装置10へ送信する。表示処理手段22bは、管理記憶部23に記憶された推奨データに基づく提案情報を表示部25に表示させる。本実施の形態1において、表示処理手段22bは、メール提案装置10から送信される1又は複数の推奨データを用いて、メールマガジンにおける有意な構成を提案する構成提案画面を表示部25に表示させる。
【0065】
管理制御部22は、CPU又はGPUなどの演算装置と、こうした演算装置と協働して上記の各種機能を実現させる表示処理プログラム23pとにより構成することができる。すなわち、表示処理プログラム23pは、コンピュータとしての管理制御部22及び管理記憶部23を、情報処理手段22a、及び表示処理手段22bとして機能させるためのプログラムである。なお、管理装置20は、入力部24及び表示部25の代わりに、文字又は画像等を表示する表示パネルと、該表示パネルに積層されてタッチ操作を検出する検出手段と、を含むタッチパネルを有していてもよい。管理装置20は、タッチパネルと、マウス又はキーボード等とを併せ持つものであってもよい。
【0066】
次に、図5のシーケンスチャートと図6の説明図とを参照して、本実施の形態1のメール提案方法の一例について説明する。なお、図6は、表示処理手段22bが表示部25に表示させる提案情報を含む構成提案画面の一例である。
【0067】
まず、管理装置20において、情報処理手段22aは、入力部24を介して対象設定画面の表示要求を受け付けると、対象設定画面の表示を指示する制御信号を表示処理手段22bに出力する(ステップS101)。すると、表示処理手段22bは、分析対象メールを指定させるための対象設定画面を表示部25に表示させる(ステップS102)。情報処理手段22aは、表示処理手段22bとの連携により、分析対象メールを指定する操作を受け付けると(ステップS103)、指定された分析対象メールをメール提案装置10へ送信する(ステップS104)。
【0068】
メール提案装置10において、前処理手段12bは、取得処理手段12aが取得した分析対象メールに所定の前処理を施して分析用データを生成する(ステップS105)。提案処理手段12dは、分析対象メールに基づく分析用データを推奨モデルM1の入力として、該分析対象メールに応じた推奨データを求める。ここでは図6に対応づけて、提案処理手段12dが推奨データとして、件名情報、件名数データ、本文情報、本文数データ、リンク配置データ、リンク文言データ、リンク態様データ、関連性向上データ、推奨配信時データ、及び頻度データを求めるものとする(ステップS106)。提案処理手段12dは、求めた複数の異なる推奨データを管理装置20へ送信する(ステップS107)。
【0069】
管理装置20において、情報処理手段22aは、メール提案装置10から送信された複数の推奨データを管理記憶部23に記憶させる。表示処理手段22bは、運営者等の操作などに応じて、管理記憶部23から1又は複数の推奨データを読み出し、読み出した1又は複数の推奨データに基づいて、例えば図6のような構成提案画面30Aを表示部25に表示させる(ステップS108)。
【0070】
ここで、図6に例示する構成提案画面30Aについて説明する。
構成提案画面30Aは、件名欄31と、件名提案欄32と、本文欄33と、本文等提案欄34と、配信提案欄35と、推奨様式欄36と、を有している。件名欄31には、初期状態において、分析対象メールの件名31aが修正可能な状態で表示される。図6の件名欄31は、現在の件名31aの文字数が表示される文字数部31bを有している。
【0071】
件名提案欄32は、件名情報に基づくものであり、分析対象メールの件名に入れることが推奨される文字列を示す件名文字列32aを有している。件名文字列32aは、件名に用いれば開封率の上昇に寄与すると予測される文字列の情報である。件名提案欄32は、件名数データに基づくものであり、分析対象メールの件名における適切な文字数の情報である件名文字数32bを有している。件名提案欄32は、文字数部31bの文字数と件名文字数32bとの差分を示す件名差分情報32cを有していてもよい。図6に例示する件名差分情報32cは、件名文字数32bに対し、文字数部31bの文字数が多いか少ないかを示す情報を含んでいる。件名文字列32a、件名文字数32b、及び件名差分情報32cは、それぞれ、推奨データに基づく提案情報に相当する。
【0072】
本文欄33には、初期状態において、分析対象メールの本文33aが修正可能な状態で表示される。図6の本文欄33は、現在の本文33aの文字数が表示される文字数部33bを有している。図6の例において、表示処理手段22bは、ファーストビューの予測範囲を示す目安表示33cを、本文欄33に関連づけて表示させている。図6の目安表示33cは、ここよりも上の領域がファーストビューになることを示す態様となっている。これにより、運営者等は、ファーストビューを意識して、本文のテキストや画像を編集することができる。
【0073】
本文等提案欄34は、本文情報に基づくものであり、分析対象メールの本文に入れることが推奨される文字列を示す本文文字列34aを有している。本文文字列34aは、本文に用いればクリック率などの上昇に寄与すると予測される文字列の情報である。本文等提案欄34は、本文数データに基づくものであり、分析対象メールの本文における適切な文字数の情報である本文文字数34bを有している。本文等提案欄34は、文字数部33bの文字数と本文文字数34bとの差分を示す本文差分情報34cを有していてもよい。図6に例示する本文差分情報34cは、本文文字数34bに対し、文字数部33bの文字数が多いか少ないかを示す情報を含んでいる。本文文字列34a、本文文字数34b、及び本文差分情報34cは、それぞれ、推奨データに基づく提案情報に相当する。
【0074】
本文等提案欄34は、リンク配置データに基づくものであり、リンク情報の配置の案に関する配置情報34dを有している。図6では、配置情報34dとして、本文においてリンク情報を挟むべき行数の情報を例示している。本文等提案欄34は、リンク文言データに基づくものであり、リンク情報に用いる文言の案に関する文言情報34eを有している。本文等提案欄34は、リンク態様データに基づくものであり、リンク情報の態様の案に関する態様情報34fを有している。図6の例において、表示処理手段22bは、態様情報34fとして、リンク情報を赤色のボタンにすることを推奨する情報を表示させている。配置情報34d、文言情報34e、及び態様情報34fは、それぞれ、推奨データに基づく提案情報に相当する。
【0075】
本文等提案欄34は、関連性データに基づくものであり、件名とファーストビューとの関連性の程度を示す関連程度情報34gを有している。図6の関連程度情報34gは、件名とファーストビューとの関連性を横軸にとり、該関連性の程度を示すレベル表示Kを横軸に対応づけた態様となっている。本文等提案欄34は、関連性向上データに基づくものであり、件名とファーストビューとの関連性を高めるための文言例を示す関連文言情報34hを有している。図6では、関連文言情報34hの文言例が2つの場合を例示しているが、関連文言情報34hの文言例は、1つでもよく、3つ以上でもよい。図6のように、本文等提案欄34は、関連性向上データに基づくものであり、件名とファーストビューとの関連性を高めるための追加的な情報を示す補足情報34jを有していてもよい。関連程度情報34g、関連文言情報34h、及び補足情報34jは、それぞれ、推奨データに基づく提案情報に相当する。
【0076】
配信提案欄35は、推奨配信時データに基づく情報として、メールマガジンを配信する時間帯の案を示す推奨時情報35aと、メールを配信する曜日の案を示す推奨曜日情報35bと、を有している。配信提案欄35は、頻度データに基づくものであり、メールマガジンの配信頻度の案を示す頻度情報35cを有している。図6の例では、表示処理手段22bが、現設定の配信頻度を示す設定頻度情報35dを、頻度情報35cに隣接する位置に表示させている。また、構成提案画面30Aは、現状のメールマガジンの状態を確認するための確認ボタン39を有している。
【0077】
ステップS108において構成提案画面30Aを表示させた後、表示処理手段22bは、運営者等の操作に応じて、分析対象メールの内容、つまり件名欄31の情報、本文欄33の情報、及び配信提案欄35の情報を変更する(ステップS109)。表示処理手段22bは、確認ボタン39の押下等に応じた確認指示を受け付けると、件名欄31の情報と、本文欄33の情報と、配信提案欄35の情報とをまとめて整理した確認画面を表示部25に表示させる(ステップS110)。
【0078】
表示処理手段22bは、確認画面において登録指示を受け付けると、変更後の分析対象メールである変更メールを管理記憶部23に記憶させる。これにより、運営者等は、管理記憶部23に記憶された変更メールを適宜呼び出して、メールマガジンの基本的なフォーマット等として利用することができる(ステップS111)。情報処理手段22aは、変更メールをメール提案装置10へ送信してもよい(ステップS112)。そして、メール提案装置10の制御部12は、管理装置20から送信された変更メールを記憶部13に記憶させ、推奨モデルM1の更新などに用いてもよい(ステップS113)。
【0079】
ところで、情報処理手段22aは、メール提案装置10から送信される1又は複数の推奨データをもとに、メールマガジンにおいて推奨される全体的な様式を示す様式データを生成してもよい。かかる構成の場合、表示処理手段22bは、様式データに基づき、好反応率を上昇させるためのテキストデータの集合体及びオブジェクトなどの配置を示す推奨様式データを推奨様式欄36に表示させるとよい。加えて、表示処理手段22bは、推奨様式データへの一括変換を指示するための変換ボタン36xを構成提案画面30Aに表示させるとよい。そして、表示処理手段22bは、変換ボタン36xが押下等されたとき、現在の件名欄31及び本文欄33の情報を、推奨様式データに合わせて整理し、確認画面に表示させるとよい。
【0080】
ここで、図5に示す各処理のうち、ステップS105の処理は、メール提案方法における取得処理工程及び前処理工程に相当し、ステップS106及びS107の処理は、メール提案方法における提案処理工程に相当する。また、図5に示す各処理のうち、ステップS101~S104、及びステップS108~S112の処理は、情報処理工程及び表示処理工程に相当する。
【0081】
本動作説明では、メール提案方法における学習処理工程の説明を省略したが、学習処理手段12cが行う学習処理工程は、図5の処理の前提となっている。つまり、本実施の形態1のメール提案方法は、分析対象メールで推奨される構成を示す推奨データを求めるメール提案装置10が、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により、1又は複数の推奨データを出力する推奨モデルM1を生成する学習処理工程を有している。
【0082】
以上のように、本実施の形態1のメール提案装置10は、過去に配信されたメールマガジンの構成データと該メールマガジンの受信者の反応データとに基づく推奨モデルM1を用い、分析対象のメールマガジンで推奨される構成を示す推奨データを求めるようになっている。すなわち、メール提案装置10は、メールマガジンごとの構成データ及び反応データに基づく推奨モデルM1により、ユーザの情報の事前登録を要することなく、自動的に推奨データを求めることができるため、汎用性を確保しつつ、好反応率の向上を図ることができる。
【0083】
ところで、特許文献1の情報提供システムは、ユーザの手入力に基づく趣味嗜好値や限定的な情報に基づく趣味嗜好値を使用するようになっているため、好反応率を上げるための処理の効率及び精度が低くなっている。この点、メール提案装置10は、過去に配信されたメールマガジンに紐付く構成データ及び反応データを広く機械学習に用いることから、ユーザの作業が不要となるため、好反応率を上げるための処理の効率化及び精度向上を図ることができる。
【0084】
前処理手段12bは、配信テキストに解析処理を施した上で学習用データを生成し、分析テキストに解析処理を施した上で分析用データを生成するテキスト解析機能を有していてもよい。前処理手段12bは、構成データ内から抽出した配信画像に関する情報を含む学習用データを生成し、分析対象メール内から抽出した分析画像に関する情報を含む分析用データを生成する画像解析機能を有していてもよい。
【0085】
前処理手段12bは、テキスト解析機能と画像解析機能との双方を有するようにしてもよい。すなわち、前処理手段12bは、分析対象メール内の分析テキストに解析処理を施して分析要素データを生成すると共に、該分析対象メール内から分析画像に関する情報を抽出してもよい。そして、前処理手段12bは、生成した分析要素データ及び抽出した分析画像に関する情報を含む分析用データを生成してもよい。前処理手段12bがテキスト解析機能及び画像解析機能のうちの少なくとも一方を有することにより、機械学習に適した学習用データと予測処理に適した解析用データとを生成することができる。そのため、学習処理手段12cによる推奨モデルM1の訓練と、提案処理手段12dによる推奨データの演算とを、迅速かつ高精度に行うことができる。
【0086】
提案処理手段12dは、推奨データとしての件名情報を求めるようにしてもよい。これにより、件名に含めれば開封率が上昇すると予測される文字列を、運営者等に提示することができるため、開封率の上昇を図ることができる。提案処理手段12dは、推奨データとしての件名数データを求めるようにしてもよい。このようにしても、開封率を上げるために有効な件名の文字数を運営者等に提示することができるため、開封率の上昇を図ることができる。もっとも、提案処理手段12dが件名情報と件名数データとの双方を求めるようにすれば、開封率をさらに上げることができる。提案処理手段12dは、件名情報及び件名数データのうちの少なくとも一方を求める場合、開封率の情報を含む学習用データにより訓練された推奨モデルM1を用いるとよい。
【0087】
提案処理手段12dは、推奨データとして本文情報を求めるようにしてもよい。これにより、本文に含めればクリック率などが上昇すると予測される文字列を、運営者等に提示することができるため、クリック率などの上昇を図ることができる。提案処理手段12dは、推奨データとして本文数データを求めるようにしてもよい。このようにしても、クリック率などを上げるために有効な本文の文字数を運営者等に提示することができるため、クリック率などの上昇を図ることができる。もっとも、提案処理手段12dが本文情報と本文数データとの双方を求めるようにすれば、クリック率などをさらに上げることができる。提案処理手段12dは、本文情報及び本文数データのうちの少なくとも一方を求める場合、クリック率の情報を含む学習用データにより訓練された推奨モデルM1を用いるとよい。
【0088】
提案処理手段12dは、推奨データとしてリンク配置データを求めてもよい。このようにすれば、メールマガジンにおけるリンク情報の配置の最適化を提案することができるため、クリック率の上昇を図ることができる。提案処理手段12dは、推奨データとしてリンク文言データを求めてもよい。このようにすれば、メールマガジンのリンク情報に、クリックを誘発する文言を表示させることができるため、クリック率の上昇を図ることができる。提案処理手段12dは、推奨データとしてリンク態様データを求めてもよい。このようにすれば、メールマガジンのリンク情報のクリックを、視覚的に誘発することができるため、クリック率の上昇を図ることができる。もっとも、提案処理手段12dがリンク配置データ、リンク文言データ、及びリンク態様データのうちの2つ以上を求めるようにすれば、クリック率をさらに上げることができる。提案処理手段12dは、リンク配置データ、リンク文言データ、及びリンク態様データのうちの少なくとも1つを求める場合、クリック率の情報を含む学習用データにより訓練された推奨モデルM1を用いるとよい。
【0089】
提案処理手段12dは、推奨データとして誘導文言データを求めるようにしてもよい。このようにすれば、メールマガジン中のリンク情報の所在を強調すると共に、リンク情報のクリックを促すことができるため、クリック率の上昇を図ることができる。提案処理手段12dは、誘導文言データを求める場合、クリック率の情報を含む学習用データにより訓練された推奨モデルM1を用いるとよい。提案処理手段12dは、推奨データとして関連性向上データを求めるようにしてもよい。これにより、件名とファーストビューとの関連性を高めるための文言等を運営者等に提示することができるため、該関連性と相関のあるクリック率の上昇を図ることができる。提案処理手段12dは、関連性向上データを求める場合、クリック率の情報を含む学習用データにより訓練された推奨モデルM1を用いるとよい。
【0090】
提案処理手段12dは、推奨データとして推奨配信時データを求めるようにしてもよい。このようにすれば、メールマガジンの配信に適切なタイミングを運営者等に提示することができるため、好反応率の上昇を図ることができる。提案処理手段12dは、推奨配信時データを求める場合、メールマガジンの配信時を示す配信時データを含む学習用データにより訓練された推奨モデルM1を用いるとよい。提案処理手段12dは、推奨データとして頻度データを求めるようにしてもよい。このようにすれば、メールマガジンの受取人を不快にさせない配信頻度を運営者等に提示することができるため、メールマガジンの購読を継続させ、解除率の低下を図ることができる。提案処理手段12dは、頻度データを求める場合、解除率を含む学習用データにより訓練された推奨モデルM1を用いるとよい。
【0091】
提案処理手段12dは、推奨データとして推奨配信先データを求めるようにしてもよい。このようにすれば、メールマガジンの適切なターゲットを運営者等に提示することができるため、好反応率の上昇を図ることができる。提案処理手段12dは、推奨配信先データを求める場合、配信先情報を含む学習用データにより訓練された推奨モデルM1を用いるとよい。
【0092】
管理装置20の表示部25は、推奨データに基づく提案情報を表示するものである。つまり、管理装置20は、1又は複数の提案情報を表示部25に表示させる表示処理手段22bを有している。より具体的に、提案処理手段12dは、1又は複数の推奨データを求めて管理装置20へ送信し、表示処理手段22bは、1又は複数の推奨データを用いて、メールマガジンにおける有意な構成を提案する構成提案画面を表示部25に表示させる。本実施の形態1において、表示処理手段22bは、現状の分析対象メールとその改善案とを対比する形式を採った構成提案画面を表示部25に表示させる。したがって、運営者等は、構成提案画面を視認することにより、改善点を瞬時に把握することができ、分析対象メールの課題を容易に認識することができる。また、表示処理手段22bは、現状の分析対象メールに対する修正内容を逐次反映させるようになっている。そのため、運営者等は、分析対象メールの改善案を確認しながら、該分析対象メールに対する修正を速やかに行い、反映させることができる。したがって、運営者等は、好反応率上昇の観点で有用な構成のメールマガジンを、容易に且つ迅速に作成することができ、作成したメールマガジンを、推奨モデルM1の更新に用いたり、新規のメールマガジンの基本型にしたりと、種々の用途で用いることができる。
【0093】
ところで、制御部12は、前処理手段12bを設けずに構成してもよい。この場合、学習処理手段12cは、配信メール情報をそのまま用いた機械学習により推奨モデルM1を構築し、提案処理手段12dは、分析対象メールの情報をそのまま推奨モデルM1の入力として1又は複数の推奨データを求めることになる。また、制御部12は、学習処理手段12cを設けずに構成してもよい。この場合、メール提案装置10は、外部で構築された推奨モデルM1を記憶部13に格納し、これを提案処理手段12dに利用させるとよい。そして、メール提案装置10は、外部機器との連携により、推奨モデルM1の更新処理を行うようにするとよい。
【0094】
<変形例1a>
本変形例1aでは、分析対象メールの本文が、第1本文と、リンク関連情報と、第2本文と、第3本文とに分けて管理される点に特徴がある。本変形例1aのメール提案システム及びその関連機器等の構成は、図1図4の例と同様であるため、各構成部材については図1図4と同一の符号を用いて説明する。なお、図7には、本変形例1aのメール提案システム100において、管理装置20の表示部25に表示される構成提案画面の一例を示している。
【0095】
メール提案装置10の制御部12は、第1本文331a、リンク関連情報370、及び第2本文332aを、ファーストビューに対応する情報として管理する。より具体的に、制御部12は、メールマガジンの本文における、リンク関連情報370よりも前の領域の情報を第1本文331aとして管理し、ファーストビューのうちのリンク関連情報370よりも後ろの領域の情報を第2本文332aとして管理する。また、制御部12は、メールマガジンの本文における、ファーストビューよりも後ろの領域の情報を第3本文333aとして管理する。メールマガジンの本文が誘導情報37bを含む場合、リンク関連情報370は、リンク情報37aと誘導情報37bとにより構成される。
【0096】
学習処理手段12cは、メールマガジンの第1本文331aに入れることが推奨される文字列を示す第1情報を出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第1情報を求めるものとなる。学習処理手段12cは、メールマガジンの第1本文331aで推奨される行数に関する第1行数データを出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第1行数データを求めるものとなる。学習処理手段12cは、メールマガジンの第1本文331aで推奨される文字数に関する第1文字数データを出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第1文字数データを求めるものとなる。
【0097】
学習処理手段12cは、メールマガジンの第2本文332aに入れることが推奨される文字列を示す第2情報を出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第2情報を求めるものとなる。学習処理手段12cは、メールマガジンの第2本文332aで推奨される行数に関する第2行数データを出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第2行数データを求めるものとなる。学習処理手段12cは、メールマガジンの第2本文332aで推奨される文字数に関する第2文字数データを出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第2文字数データを求めるものとなる。
【0098】
学習処理手段12cは、メールマガジンの第3本文333aに入れることが推奨される文字列を示す第3情報を出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第3情報を求めるものとなる。学習処理手段12cは、メールマガジンの第3本文333aで推奨される行数に関する第3行数データを出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第3行数データを求めるものとなる。学習処理手段12cは、メールマガジンの第3本文333aで推奨される文字数に関する第3文字数データを出力する推奨モデルM1を構築してもよい。この場合、提案処理手段12dは、推奨データとして第3文字数データを求めるものとなる。
【0099】
第1情報、第2情報、及び第3情報は、それぞれ、本文情報に相当する。第1行数データ、第2行数データ、及び第3行数データは、それぞれ、本文行数データに相当する。第1文字数データ、第2文字数データ、及び第3文字数データは、それぞれ、本文数データに相当する。学習処理手段12c及び提案処理手段12dの他の構成及び代替構成などは、上記の説明と同様である。
【0100】
ここで、図7を参照し、管理装置20の表示部25に表示される構成提案画面30Bの具体的な内容について説明する。図6と同様の構成については同一の符号を用いて説明は省略する。
【0101】
図7に例示する構成提案画面30Bは、件名欄31と、件名提案欄32(図示省略)と、第1本文欄331と、第1提案欄341と、リンク関連欄37と、リンク提案欄38と、第2本文欄332と、第2提案欄342と、第3本文欄333と、第3提案欄(図示せず)と、を有している。
【0102】
第1本文欄331には、初期状態において、分析対象メールの本文における第1本文331aが修正可能な状態で表示される。図7の第1本文欄331は、現在の第1本文331aの行数が表示される第1行数部331bを有している。図7の例において、表示処理手段22bは、第1行数部331bに、現在の第1本文331aの文字数も表示させている。
【0103】
第1提案欄341は、第1情報に基づくものであり、分析対象メールの第1本文331aに入れることが推奨される文字列を示す第1文字列341aを有している。第1文字列341aは、第1本文331aに用いればクリック率などの上昇に寄与すると予測される文字列の情報である。第1提案欄341は、第1行数データに基づくものであり、分析対象メールの第1本文331aにおける適切な行数の情報である第1行数341bを有している。表示処理手段22bは、第1提案欄341に、第1行数部331bの行数と第1行数341bとの差分を示す第1差分情報341cを表示させてもよい。図7の例において、表示処理手段22bは、第1行数341bに対し、第1行数部331bの行数が多いか少ないかを示す相対情報を含む第1差分情報341cを表示させている。第1文字列341a、第1行数341b、及び第1差分情報341cは、それぞれ、推奨データに基づく提案情報に相当する。
【0104】
リンク関連欄37は、現状のリンク情報37aと、リンク情報37aに対応する誘導情報37bと、を有している。リンク提案欄38は、誘導文言データに基づくものであり、誘導情報37bに含めることが推奨される文言を示す誘導文言38aを有している。なお、図7の例において、表示処理手段22bは、態様情報34fとして、リンク情報の態様をアンカーテキスト(誘導したいページのURLを文字で表す態様)にすることを推奨する旨を表示させている。誘導文言38a、文言情報34e、及び態様情報34fは、それぞれ、推奨データに基づく提案情報に相当する。
【0105】
第2本文欄332には、初期状態において、分析対象メールの本文における第2本文332aが修正可能な状態で表示される。図7の第2本文欄332は、現在の第1本文331aの行数が表示される第2行数部332bを有している。図7の例において、表示処理手段22bは、第2行数部332bに、現在の第2本文332aの文字数も表示させている。
【0106】
第2提案欄342は、第2情報に基づくものであり、分析対象メールの第2本文332aに入れることが推奨される文字列を示す第2文字列342aを有している。第2文字列342aは、第2本文332aに用いればクリック率などの上昇に寄与すると予測される文字列の情報である。第2提案欄342は、第2行数データに基づくものであり、分析対象メールの第2本文332aにおける適切な行数の情報である第2行数342bを有している。第2提案欄342は、第2行数部332bの行数と第2行数342bとの差分を示す第2差分情報342cを有していてもよい。図7の例において、表示処理手段22bは、第2行数342bに対し、第2行数部332bの行数が多いか少ないかを示す相対情報を含む第2差分情報342cを表示させている。第2文字列342a、第2行数342b、第2差分情報342c、関連文言情報34h、及び補足情報34jは、それぞれ、推奨データに基づく提案情報に相当する。
【0107】
第3本文欄333は、初期状態において、分析対象メールの本文における第3本文333aが修正可能な状態で表示される。図示は省略するが、表示処理手段22bは、第3本文欄333に、現在の第3本文333aの行数を示す第3行数部を表示させてもよく、第3行数部に、現在の第3本文333aの文字数を表示させてもよい。なお、第3提案欄は、第1提案欄341と同様の態様にするとよい。また、表示処理手段22bは、構成提案画面30Aと同様、構成提案画面30Bに、配信提案欄35を表示させてもよく、推奨様式欄36及び変換ボタン36xを表示させてもよい。
【0108】
なお、提案処理手段12dは、推奨データとして、第1行数データではなく、リンク配置データを求めてもよい。この場合、表示処理手段22bは、リンク配置データをもとに第1行数341bを求め、第1提案欄341に表示させてもよい。他の構成、代替構成、及び動作については、実施の形態1の本編の場合と同様である。
【0109】
以上のように、本変形例1aのメール提案システム100は、第1本文331aの適切な行数等を提示することにより、リンク情報の適切な配置を提案することができる。そのため、クリック率の上昇を図ることができる。また、本変形例1aのメール提案システム100は、第2本文332aの適切な行数等を提示することにより、ファーストビューの範囲を認識させることができる。よって、表示処理手段22bが第1提案欄341及び第2提案欄342に表示させる情報と相俟って、運営者等に、ファーストビューの構成の改善を働きかけることができるため、好反応率の向上を図ることができる。他の効果等については、実施の形態1の本編と同様である。
【0110】
実施の形態2.
本実施の形態2のメール提案装置は、メールマガジンの属性を示す属性データを、機械学習に基づく学習済モデルの入力とし、入力とした属性データに対応する有用なメールマガジンの構成を示す1又は複数の推奨データを出力するようになっている。本実施の形態2のメール提案システム及びその関連機器等の全体的な構成は、実施の形態1と同様であるため、同等の構成については同一の符号を用いて説明は省略する。
【0111】
まず、図8を参照して、本実施の形態2におけるメール提案装置110の機能的構成について説明する。図8に示すように、メール提案装置110は、通信部11と、制御部320と、記憶部13と、を有している。制御部320は、取得処理手段12aと、前処理手段320bと、学習処理手段320cと、提案処理手段320dと、を有している。記憶部13には、メール提案プログラムP10が格納されている。メール提案プログラムP10は、コンピュータとしての制御部320及び記憶部13を、取得処理手段12a、前処理手段320b、学習処理手段320c、及び提案処理手段320dとして機能させるためのプログラムである。
【0112】
本実施の形態2では、分析対象メールの本文が、前段本文と後段本文とに分けて管理される。より具体的に、メール提案装置110の制御部320は、前段本文をファーストビューに対応する情報として管理し、後段本文をファーストビューよりも後ろの領域の情報として管理する。
【0113】
前処理手段320bは、上述した実施の形態1の前処理手段12bと同様に、推奨モデルM10の訓練に用いる学習用データを生成するものである。学習処理手段320cは、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により、メールマガジンの有意な構成を提案する学習済モデルである推奨モデルM10を生成する。具体的には、学習処理手段320cは、前処理手段320bが生成した学習用データを用いての機械学習により、属性データに応じた有用なメールマガジンの構成を示す1又は複数の推奨データを出力する推奨モデルM10を構築する。学習処理手段320cは、上述した学習処理手段12cと同様、推奨モデルM10の更新処理を実行する。
【0114】
学習処理手段320cは、メールマガジンの前段本文に入れることが推奨される文字列を示す前段情報を出力する推奨モデルM10を構築してもよい。この場合、提案処理手段320dは、推奨データとして前段情報を求めるものとなる。学習処理手段320cは、メールマガジンの前段本文で推奨される行数に関する前段行数データを出力する推奨モデルM10を構築してもよい。この場合、提案処理手段320dは、推奨データとして前段行数データを求めるものとなる。学習処理手段320cは、メールマガジンの前段本文で推奨される文字数に関する前段文字数データを出力する推奨モデルM10を構築してもよい。この場合、提案処理手段320dは、推奨データとして前段文字数データを求めるものとなる。
【0115】
学習処理手段320cは、メールマガジンの後段本文に入れることが推奨される文字列を示す後段情報を出力する推奨モデルM10を構築してもよい。この場合、提案処理手段320dは、推奨データとして後段情報を求めるものとなる。学習処理手段320cは、メールマガジンの後段本文で推奨される行数に関する後段行数データを出力する推奨モデルM10を構築してもよい。この場合、提案処理手段320dは、推奨データとして後段行数データを求めるものとなる。学習処理手段320cは、メールマガジンの後段本文で推奨される文字数に関する後段文字数データを出力する推奨モデルM10を構築してもよい。この場合、提案処理手段320dは、推奨データとして後段文字数データを求めるものとなる。
【0116】
提案処理手段320dは、メールマガジンの属性を示す属性データを推奨モデルM10の入力として、入力とした属性データに応じた1又は複数の推奨データを求めるものである。本実施の形態2において、属性データは、リンク情報のリンク先に関するリンク先データと、メールマガジンの配信先に関するセグメントデータと、を含んでいる。リンク先データは、リンク情報のリンク先のURL、リンク情報のリンク先で取り扱っている商品又はサービスの情報などを含む。セグメントデータは、ターゲットとする顧客層のデータであり、具体的には、顧客の年齢層、性別、在住都道府県、職業、嗜好などの情報を含む。提案処理手段320dは、求めた1又は複数の推奨データを管理装置20へ送信する。
【0117】
ここで、前段情報及び後段情報は、それぞれ、本文情報に相当する。前段行数データ及び後段行数データは、それぞれ、本文行数データに相当する。前段文字数データ及び後段文字数データは、それぞれ、本文数データに相当する。学習処理手段320cの他の構成は、実施の形態1の学習処理手段12cと同様である。また、提案処理手段320dの他の構成は、実施の形態1の提案処理手段12dと同様である。
【0118】
本実施の形態2の管理装置20において、管理制御部22は、属性データの入力及び設定に関する操作を受け付けるようになっている。表示処理手段22bは、属性データの設定処理を要求する制御信号に応じて、表示部25に属性設定画面を表示させる。属性設定画面は、属性データを構成する各要素ごとに、複数の選択肢から選定する形式であってもよく、手入力する形式であってもよく、これらを組み合わせた形式であってもよい。表示処理手段22bは、属性データに応じたメールマガジンの構成の提案を要求する制御信号に応じて、属性データをメール提案装置110へ送信する。表示処理手段22bは、メール提案装置110から返送される1又は複数の推奨データに基づく提案情報を表示部25に表示させる。すなわち、表示処理手段22bは、メール提案装置110から送信される1又は複数の推奨データを用いて、メールマガジンにおける有意な構成を提案する構成提案画面を表示部25に表示させる。管理装置20の他の構成は、実施の形態1と同様である。
【0119】
次に、図9のシーケンスチャートと図10の説明図とを参照して、本実施の形態2のメール提案方法の一例について説明する。なお、図10は、表示処理手段22bが表示部25に表示させる提案情報を含む構成提案画面の一例である。
【0120】
まず、管理装置20において、情報処理手段22aは、入力部24を介して属性設定画面の表示要求を受け付けると、属性設定画面の表示を指示する制御信号を表示処理手段22bに出力する(ステップS201)。すると、表示処理手段22bは、属性データの設定用の属性設定画面を表示部25に表示させる(ステップS202)。情報処理手段22aは、表示処理手段22bとの連携により、属性データの設定登録を受け付けると(ステップS203)、設定登録された属性データをメール提案装置110へ送信する(ステップS204)。
【0121】
メール提案装置110において、提案処理手段320dは、属性データを推奨モデルM10の入力として、該属性データに応じた1又は複数の推奨データを求める。ここでは図10に対応づけて、提案処理手段320dが推奨データとして、件名情報、件名数データ、前段情報、前段行数データ、関連性向上データ、リンク配置データ、リンク文言データ、リンク態様データ、誘導文言データ、後段情報、後段行数データ、及び頻度データを求めるものとする(ステップS205)。提案処理手段320dは、求めた複数の推奨データを管理装置20へ送信する(ステップS206)。
【0122】
管理装置20において、情報処理手段22aは、メール提案装置110から送信された複数の推奨データを管理記憶部23に記憶させる。表示処理手段22bは、運営者等の操作などに応じて、管理記憶部23から1又は複数の推奨データを読み出し、読み出した1又は複数の推奨データに基づいて、例えば図10のような構成提案画面300Aを表示部25に表示させる(ステップS207)。
【0123】
ここで、図10に例示する構成提案画面300Aについて説明する。
図10に例示する構成提案画面300Aは、件名欄31と、件名提案欄32と、前段本文欄351と、前段提案欄361と、後段本文欄352と、後段提案欄362と、を有している。件名欄31には、初期状態では、何も表示されないか、あるいは件名文字列32aなどが表示される。図10の例において、表示処理手段22bは、件名欄31に、属性データに応じた件名の適切な文字数と、現在の件名欄31内の文字数との差分を示す残数情報31cを表示させている。表示処理手段22bは、件名数データを用いて残数情報31cを求めるようになっている。件名欄31に文字が表示されていない場合、残数情報31cの文字数は、属性データに応じた件名の適切な文字数と一致する。なお、図10の例では、表示処理手段22bが、件名提案欄32に、件名文字列32aを含む文章を表示させている。
【0124】
前段本文欄351は、ファーストビューに対応する文字や画像を入力する欄であり、初期状態では、何も表示されないか、あるいは後述する前段文字列361aなどが表示される。図10の例において、表示処理手段22bは、前段本文欄351に、属性データに応じた前段本文の適切な行数と、現在の前段本文欄351内の行数との差分を示す前段残行情報351cを表示させている。表示処理手段22bは、前段行数データを用いて前段残行情報351cを求めるようになっている。前段本文欄351に文字が表示されていない場合、前段残行情報351cの行数は、属性データに応じた前段本文の適切な行数と一致する。前段提案欄361は、前段情報に基づくものであり、メールマガジンの前段本文に入れることが推奨される文字列を示す前段文字列361aを有している。
【0125】
後段本文欄352は、ファーストビューよりも後ろの領域に対応する文字や画像を入力する欄である。図10の例において、表示処理手段22bは、後段本文欄352に、属性データに応じた後段本文の適切な行数と、現在の後段本文欄352内の行数との差分を示す後段残行情報352cを表示させている。表示処理手段22bは、後段行数データを用いて後段残行情報352cを求めるようになっている。後段本文欄352に文字が表示されていない場合、後段残行情報352cの行数は、属性データに応じた後段本文の適切な行数と一致する。後段提案欄362は、後段情報に基づくものであり、メールマガジンの後段本文に入れることが推奨される文字列を示す後段文字列362aを有している。表示処理手段22bは、図10の後段提案欄362に、頻度データに基づく頻度情報35cを表示させている。
【0126】
また、構成提案画面300Aは、メールマガジンの配信に関する設定が可能な配信設定画面への移行を受け付ける配信設定ボタン35xを有している。配信設定画面は、メールマガジンを配信する時間帯、メールマガジンを配信する曜日、メールマガジンの配信頻度などの設定が可能な画面である。表示処理手段22bは、配信設定画面に、図6の配信提案欄35に示す各情報などを表示させるとよい。
【0127】
ステップS207において構成提案画面300Aを表示させた後、表示処理手段22bは、運営者等の操作に応じて、件名欄31の情報、前段本文欄351の情報、及び後段本文欄352の情報を変更する。つまり、表示処理手段22bは、運営者等による入力操作に応じた内容を構成提案画面300Aに反映させる。運営者等が配信設定ボタン35xを押下した場合、表示処理手段22bは、配信設定画面を表示部25に表示させ、メールマガジンの配信時に関する設定を受け付ける(ステップS208)。
【0128】
表示処理手段22bは、確認指示を受け付けると、件名欄31の情報と、前段本文欄351の情報と、後段本文欄352の情報とをまとめて整理した確認画面を表示部25に表示させる。表示処理手段22bは、確認画面に、配信設定画面での設定内容を表示させてもよい(ステップS209)。
【0129】
表示処理手段22bは、確認画面を介しての指示に応じた処理を実行する。例えば、表示処理手段22bは、確認画面において送信指示を受け付けると、構成提案画面300Aにおいて作成された新規のメールマガジンを、設定されたタイミングで、メール配信装置40を介して配信対象の端末装置60へ送信する。また、表示処理手段22bは、確認画面において登録指示を受け付けると、新規のメールマガジンを管理記憶部23に記憶させる。これにより、運営者等は、管理記憶部23に記憶された新規メールを適宜呼び出して利用することができる(ステップS210)。
【0130】
情報処理手段22aは、新規のメールマガジンをメール提案装置110へ送信してもよい(ステップS211)。そして、メール提案装置110の制御部320は、管理装置20から送信された新規のメールマガジンを記憶部13に記憶させ、推奨モデルM10の更新などに用いてもよい(ステップS212)。
【0131】
ここで、図9に示す各処理のうち、ステップS205及び206の処理は、メール提案方法における取得処理工程及び提案処理工程に相当する。また、図9に示す各処理のうち、ステップS201~S204、及びステップS207~S211の処理は、情報処理工程及び表示処理工程に相当する。
【0132】
本動作説明では、メール提案方法における学習処理工程の説明を省略したが、学習処理手段320cが行う学習処理工程は、図9の処理の前提となっている。つまり、本実施の形態2のメール提案方法は、属性データに対応する有用なメールマガジンの構成を示す推奨データを求めるメール提案装置110が、過去に配信されたメールマガジンの構成に係る構成データと該メールマガジンの受信者の反応を示す反応データとに基づく機械学習により、推奨データを出力する推奨モデルM10を生成する学習処理工程を有している。
【0133】
以上のように、本実施の形態2のメール提案装置110は、過去に配信されたメールマガジンの構成データと該メールマガジンの受信者の反応データとに基づく推奨モデルM10を用い、属性データに応じた推奨データを求めるようになっている。すなわち、メール提案装置110は、メールマガジンごとの構成データ及び反応データに基づく推奨モデルM10により、ユーザの情報の事前登録を要することなく、自動的に推奨データを求めることができるため、汎用性を確保しつつ、好反応率の向上を図ることができる。例えば、提案処理手段320dは、配信先情報を含む学習用データにより訓練された推奨モデルM1を用い、推奨データとして推奨配信先データを求めるように構成することができる。このようにすれば、メールマガジンの適切なターゲットを運営者等に提示することができるため、好反応率の上昇を図ることができる。
【0134】
ところで、本実施の形態2では、属性データがリンク先データとセグメントデータとの双方を含む例を示したが、これに限定されない。属性データは、リンク先データ及びセグメントデータのうちの一方を含むようにしてもよい。また、セグメントデータは、開封率が閾値よりも高い顧客層、クリック率が閾値よりも高い顧客層、CVRが閾値よりも高い顧客層、メールマガジンの登録日の情報などを含んでいてもよい。もっとも、制御部320は、学習処理手段320cを設けずに構成してもよい。この場合、メール提案装置110は、外部で構築された推奨モデルM10を記憶部13に格納し、これを提案処理手段320dに利用させるとよい。そして、メール提案装置110は、外部機器との連携により、推奨モデルM10の更新処理を行うようにするとよい。
【0135】
ところで、制御部320は、前処理手段320bを設けずに構成してもよい。この場合、学習処理手段320cは、配信メール情報をそのまま用いた機械学習により推奨モデルM10を構築することになる。また、制御部320は、学習処理手段320cを設けずに構成してもよい。この場合、メール提案装置110は、外部で構築された推奨モデルM10を記憶部13に格納し、これを提案処理手段320dに利用させるとよい。そして、メール提案装置110は、外部機器との連携により、推奨モデルM10の更新処理を行うようにするとよい。
【0136】
<変形例2a>
本変形例2aでは、上述した変形例1aと同様、分析対象メールの本文が、第1本文と、リンク関連情報と、第2本文と、第3本文とに分けて管理される。すなわち、本変形例2aの制御部320は、第1本文331a、リンク関連情報370、及び第2本文332aを、ファーストビューに対応する情報として管理する。本変形例2aのメール提案システム及びその関連機器等の構成は、図1図3図4、及び図10の例と同様であるため、各構成部材については、図1図3図4、及び図10と同一の符号を用いて説明する。なお、図11には、本変形例2aに係るメール提案システム100において、管理装置20の表示部25に表示される構成提案画面の一例を示している。
【0137】
学習処理手段320cは、第1情報、第1行数データ、第1文字数データ、第2情報、第2行数データ、第2文字数データ、第3情報、第3行数データ、及び第3文字数データのうちの少なくとも1つを出力する推奨モデルM10を構築してもよい。この場合、提案処理手段12dは、推奨データとして、第1情報、第1行数データ、第1文字数データ、第2情報、第2行数データ、第2文字数データ、第3情報、第3行数データ、及び第3文字数データのうちの少なくとも1つを求めるものとなる。本変形例2aの学習処理手段320cの他の構成及び代替構成は、実施の形態1の学習処理手段12c及び実施の形態2の本編の学習処理手段320cと同様である。提案処理手段12dの他の構成及び代替構成は、実施の形態1の提案処理手段12d及び実施の形態2の本編の提案処理手段320dと同様である。
【0138】
ここで、図11を参照し、管理装置20の表示部25に表示される構成提案画面300Bの具体的な内容について説明する。図6図7、及び図10と同様の構成については同一の符号を用いて説明は省略する。
【0139】
図11に例示する構成提案画面300Bは、件名欄31と、件名提案欄32と、第1本文欄331と、第1提案欄341と、リンク関連欄37と、リンク提案欄38と、第2本文欄332と、第2提案欄342と、第3本文欄333と、第3提案欄(図示せず)と、を有している。
【0140】
図11の例において、表示処理手段22bは、第1本文欄331に、属性データに応じた第1本文の適切な行数と、現在の第1本文欄331内の行数との差分を示す第1残行情報331dを表示させている。表示処理手段22bは、第1行数データを用いて第1残行情報331dを求めるようになっている。また、表示処理手段22bは、属性データに応じた第1本文の適切な文字数と、現在の第1本文欄331内の文字数との差分を示す第1残数情報331eを表示させている。表示処理手段22bは、第1文字数データを用いて第1残数情報331eを求めるようになっている。
【0141】
表示処理手段22bは、第2本文欄332に、属性データに応じた第2本文の適切な行数と、現在の第2本文欄332内の行数との差分を示す第2残行情報332dを表示させている。表示処理手段22bは、第2行数データを用いて第2残行情報332dを求めるようになっている。また、表示処理手段22bは、属性データに応じた第2本文の適切な文字数と、現在の第2本文欄332内の文字数との差分を示す第2残数情報332eを表示させている。表示処理手段22bは、第2文字数データを用いて第2残数情報332eを求めるようになっている。
【0142】
表示処理手段22bは、第3本文欄333に、属性データに応じた第3本文の適切な行数と、現在の第3本文欄333内の行数との差分を示す第3残行情報333dを表示させている。表示処理手段22bは、第3行数データを用いて第3残行情報333dを求めるようになっている。また、表示処理手段22bは、属性データに応じた第3本文の適切な文字数と、現在の第3本文欄333内の文字数との差分を示す第3残数情報333eを表示させている。表示処理手段22bは、第3文字数データを用いて第3残数情報333eを求めるようになっている。
【0143】
なお、提案処理手段320dは、推奨データとして、第1行数データではなく、リンク配置データを求めてもよい。この場合、表示処理手段22bは、リンク配置データをもとに第1行数341bを求め、第1提案欄341に表示させてもよい。他の構成、代替構成、及び動作については、実施の形態1の本編の場合と同様である。
【0144】
以上のように、本変形例2aのメール提案システム100は、第1本文331aの適切な行数等を提示することにより、リンク情報の適切な配置を提案することができる。そのため、クリック率の上昇を図ることができる。また、本変形例2aのメール提案システム100は、第2本文332aの適切な行数等を提示することにより、ファーストビューの範囲を認識させ、種々の提案に応じた施策をとることができる。すなわち、運営者等に、ファーストビューの構成の改善を働きかけることができるため、好反応率の向上を図ることができる。他の効果等については、実施の形態1及び2と同様である。
【0145】
上述した各実施の形態は、メール提案装置、メール提案システム、メール提案プログラム、及びメール提案方法における好適な具体例であり、本発明の技術的範囲は、これらの態様に限定されるものではない。例えば、メール提案システム100は、本文を構成する各要素(ヘッダ、リード文、見出し、インデックス、及びフッタなど)に対する個別の提案を行うようにしてもよい。すなわち、制御部12、320は、本文を構成する各要素についての適切な文字列、文字数、行数などの情報を推奨データとして求めるようにしてもよい。
【0146】
実施の形態1の前処理手段12bは、配信メール情報及び分析対象メールを複数のセグメントに分類し、セグメントごとの学習用データ及び分析用データを生成する分類処理機能を有していてもよい。この場合、学習処理手段12cは、セグメントごとに推奨モデルM1を生成してもよい。提案処理手段12dは、セグメントごとに1又は複数の推奨データを求めてもよい。また、実施の形態2の前処理手段320bは、配信メール情報を複数のセグメントに分類し、セグメントごとの学習用データを生成する分類処理機能を有していてもよい。この場合、学習処理手段320cは、セグメントごとに推奨モデルM10を生成してもよい。そして、提案処理手段320dは、属性データに応じたセグメントごとに1又は複数の推奨データを求めてもよい。
【0147】
図6及び図7では、相対情報が「多い」「少ない」といった文字である例を示したが、これに限定されない。例えば、相対情報は、「+」「-」のような記号であってもよく、多いか少ないかを色彩で表現する態様であってもよい。図6図10、及び図11では、表示処理手段22bが1つの件名文字列32aを表示させる例を示したが、これに限定されない。提案処理手段12d、320dは、推奨データとして複数の件名情報を生成してもよく、表示処理手段22bは、複数の件名情報に基づく複数の件名文字列32aを表示部25に表示させてもよい。同様に、図6では、表示処理手段22bが1つの本文文字列34aを表示させる例を示したが、これに限定されない。提案処理手段12dは、推奨データとして複数の本文情報を生成してもよく、表示処理手段22bは、複数の本文情報に基づく複数の本文文字列34aを表示部25に表示させてもよい。図7及び図11の第1文字列341a及び第2文字列342a、図10の前段文字列361a及び後段文字列362aについても同様である。
【0148】
図6図7図10図11は、あくまで、メールマガジンにおける有意な構成を提案する構成提案画面の例であり、構成提案画面は、これらの態様に限定されない。すなわち、表示処理手段22bが構成提案画面に表示させるパーツは、適宜増減し変更することができ、パーツの内容(文字・記号・図形・表示態様など)も、適宜変更することができる。加えて、構成提案画面は、図6図7図10、及び図11のそれぞれに例示したパーツを適宜組み合わせて構築することができる。
【符号の説明】
【0149】
10、110 メール提案装置、11 通信部、12、320 制御部、12a 取得処理手段、12b、320b 前処理手段、12c、320c 学習処理手段、12d、320d 提案処理手段、13 記憶部、20 管理装置、21 管理通信部、22 管理制御部、22a 情報処理手段、22b 表示処理手段、23 管理記憶部、23p 表示処理プログラム、24 入力部、25 表示部、30A、30B、300A、300B 構成提案画面、31 件名欄、31a 件名、31b 文字数部、31c 残数情報、32 件名提案欄、32a 件名文字列、32b 件名文字数、32c 件名差分情報、33 本文欄、33a 本文、33b 文字数部、33c 目安表示、34 本文等提案欄、34a 本文文字列、34b 本文文字数、34c 本文差分情報、34d 配置情報、34e 文言情報、34f 態様情報、34g 関連程度情報、34h 関連文言情報、34j 補足情報、35 配信提案欄、35a 推奨時情報、35b 推奨曜日情報、35c 頻度情報、35d 設定頻度情報、35x 配信設定ボタン、36 推奨様式欄、36x 変換ボタン、37 リンク関連欄、37a リンク情報、37b 誘導情報、38 リンク提案欄、38a 誘導文言、39 確認ボタン、40 メール配信装置、50 サービス提供装置、60 端末装置、61 端末通信部、62 端末制御部、62a 情報処理手段、62b 表示処理手段、63 端末記憶部、64 端末入力部、65 端末表示部、100 メール提案システム、331 第1本文欄、331a 第1本文、331b 第1行数部、331d 第1残行情報、331e 第1残数情報、332 第2本文欄、332a 第2本文、332b 第2行数部、332d 第2残行情報、332e 第2残数情報、333 第3本文欄、333a 第3本文、333d 第3残行情報、333e 第3残数情報、341 第1提案欄、341a 第1文字列、341b 第1行数、341c 第1差分情報、342 第2提案欄、342a 第2文字列、342b 第2行数、342c 第2差分情報、351 前段本文欄、351c 前段残行情報、352 後段本文欄、352c 後段残行情報、361 前段提案欄、361a 前段文字列、362 後段提案欄、362a 後段文字列、370 リンク関連情報、K レベル表示、M1、M10 推奨モデル、N ネットワーク、P1、P10 メール提案プログラム。
図1
図2
図3
図4
図5
図6
図7
図8
図9
図10
図11