特開 2023-159650 連携データ分析システム及び連携データ分析方法

(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】P2023159650

(43)【公開日】2023-11-01

(54)【発明の名称】連携データ分析システム及び連携データ分析方法

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20231025BHJP

【ＦＩ】

G06Q50/10

【審査請求】未請求

【請求項の数】16

【出願形態】ＯＬ

(21)【出願番号】P 2022069482

(22)【出願日】2022-04-20

(71)【出願人】

【識別番号】000233491

【氏名又は名称】株式会社日立システムズ

(74)【代理人】

【識別番号】110000062

【氏名又は名称】弁理士法人第一国際特許事務所

(72)【発明者】

【氏名】大日方 絢

(72)【発明者】

【氏名】海老澤 竜

(72)【発明者】

【氏名】多田 直樹

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049CC11

(57)【要約】

【課題】対象とするサービスに関し、複数の組織間で連携した、個人を特定できない情報を組み合わせて、１つの組織が持つ情報だけからは分かり得ない情報を分析し活用する。
【解決手段】対象とするサービスに関わる利用実績データ及び統計情報データを抽出し、抽出した利用実績データ及び統計情報データに基づき対象とするサービスの利用率を算出し、算出した利用率及び抽出した統計情報データに基づき対象とするサービスの利用に関わる属性項目を算出し、対象とするサービスの利用に関わる属性項目ごとの各属性値から当該属性項目が対象とするサービスの利用に与える影響の分布を算出し、対象とするサービスの利用に与える影響の分布の中で特異値をとる属性値を対象とするサービスの利用に影響を与える属性値として算出し、算出した対象とするサービスの利用に影響を与える属性値及び属性項目を当該サービスをレコメンドする候補となる属性情報として出力する。
【選択図】 図１

【特許請求の範囲】

【請求項1】

利用者が使用する端末と、データ分析を行うサーバと、提供されるサービスに関わる利用実績データ及び当該利用実績データを構成する属性に関わる統計情報データを格納するデータベースとが相互にネットワークを介して接続され、
前記端末は、前記利用者が対象とするサービスに関わる入力情報を前記サーバに送信し、前記サーバの出力として受信した前記対象とするサービスをレコメンドする候補となる属性情報を出力し、
前記サーバは、
前記入力情報に基づいて前記データベースから前記対象とするサービスに関わる前記利用実績データ及び前記統計情報データを抽出する機能と、
抽出した前記利用実績データ及び前記統計情報データに基づいて前記対象とするサービスの利用率を算出する機能と、
算出した前記利用率及び抽出した前記統計情報データに基づいて前記対象とするサービスの利用に関わる属性項目を算出する機能と、
前記対象とするサービスの利用に関わる属性項目ごとの各属性値から当該属性項目が前記対象とするサービスの利用に与える影響の分布を算出する機能と、
前記対象とするサービスの利用に与える影響の分布の中で特異値をとる前記属性値を前記対象とするサービスの利用に影響を与える属性値として算出する機能と、
算出した前記対象とするサービスの利用に影響を与える属性値及び当該属性値を持つ前記属性項目を前記対象とするサービスをレコメンドする候補となる属性情報として出力する機能とを有する処理部と、
前記処理部が前記各機能により算出した各情報を記憶する記憶部と
を備える
ことを特徴とする連携データ分析システム。

【請求項2】

請求項１に記載の連携データ分析システムであって、
前記処理部が有する前記対象とするサービスの利用に関わる属性項目を算出する機能は、前記対象とするサービスの利用に関わる属性項目を、前記利用実績データに含まれる利用実績に関わる属性項目の各属性の中で前記対象とするサービスの利用率が高い属性に関して、前記統計情報データに存在する属性項目に関する分布との類似度に基づいて算出する機能である
ことを特徴とする連携データ分析システム。

【請求項3】

請求項１に記載の連携データ分析システムであって、
前記処理部が有する前記対象とするサービスの利用に与える影響の分布を算出する機能は、前記対象とするサービスの利用に与える影響の分布を、前記対象とするサービスの利用率から抽出した当該利用率が高い属性に関して、当該サービスの利用率と、前記統計情報データに存在する、前記対象とするサービスの利用に関わる属性項目に関する分布と、に基づいて算出する機能である
ことを特徴とする連携データ分析システム。

【請求項4】

利用者が使用する端末と、データ分析を行うサーバと、提供されるサービスに関わる利用実績データ及び当該利用実績データを構成する属性に関わる統計情報データを格納するデータベースとが相互にネットワークを介して接続され、
前記端末は、前記利用者が対象とする前記属性に関わる入力情報を前記サーバに送信し、前記サーバから受信した当該サーバの出力情報に基づいて前記対象とする属性に対してレコメンドする候補となるサービスを出力し、
前記サーバは、
前記入力情報に基づいて前記データベースから前記対象とする属性に関わる統計情報データを抽出する機能と、
前記データベースから前記提供されるサービスに関わる利用実績データを抽出し、抽出した当該利用実績データ及び前記統計情報データに基づいて前記提供されるサービスの利用率及び当該サービスの特徴を算出する機能と、
抽出した前記対象とする属性に関わる統計情報データ及び算出した前記提供されるサービスの利用率並びに当該サービスの特徴に基づいて前記提供されるサービスの適性度を算出する機能と、
前記適性度から前記提供されるサービスをレコメンドする優先順位を算出して当該適性度と共に出力する機能と
を有する処理部と、
前記処理部が前記各機能により算出した各情報を記憶する記憶部と
を備える
ことを特徴とする連携データ分析システム。

【請求項5】

請求項４に記載の連携データ分析システムであって、
前記処理部が有する前記提供されるサービスの適性度を算出する機能は、前記提供されるサービスの利用率及び前記統計情報データに基づいて前記提供されるサービスの利用に関わる属性項目を算出し、算出した前記提供されるサービスの利用に関わる属性項目ごとの各属性値から当該属性項目が前記提供されるサービスの利用に与える影響の分布を算出し、算出した前記提供されるサービスの利用に与える影響の分布と前記対象とする属性における統計情報データの分布との類似度に基づいて、前記提供されるサービスの適性度を算出する機能である
ことを特徴とする連携データ分析システム。

【請求項6】

請求項４に記載の連携データ分析システムであって、
前記処理部が有する前記提供されるサービスの適性度を算出する機能は、前記提供されるサービスの利用率及び前記統計情報データに基づいて前記提供されるサービスの利用に影響を与える属性値を算出し、算出した当該属性値に関する時系列データから前記対象とする属性における特徴を算出し、算出した当該特徴に基づいて、前記提供されるサービスの適性度を算出する機能である
ことを特徴とする連携データ分析システム。

【請求項7】

請求項６に記載の連携データ分析システムであって、
前記対象とする属性における特徴とは、前記時系列データから検出した周期における増加度合いに基づく増加傾向度である
ことを特徴とする連携データ分析システム。

【請求項8】

請求項１または４に記載の連携データ分析システムであって、
前記利用実績データは、前記提供されるサービスを利用した個人を特定できない形態で構成されたデータであり、
前記統計情報データは、住民に関する公共のデータである
ことを特徴とする連携データ分析システム。

【請求項9】

利用者が使用する端末と、データ分析を行うサーバと、提供されるサービスに関わる利用実績データ及び当該利用実績データを構成する属性に関わる統計情報データを格納するデータベースとが相互にネットワークを介して接続され、
前記端末は、対象とするサービスに関わる入力情報を、前記ネットワークを介して前記サーバに送信し、
前記サーバは、
前記入力情報に基づいて前記データベースから前記対象とするサービスに関わる前記利用実績データ及び前記統計情報データを抽出し、
抽出した前記利用実績データ及び前記統計情報データに基づいて前記対象とするサービスの利用率を算出し、
算出した前記利用率及び抽出した前記統計情報データに基づいて前記対象とするサービスの利用に関わる属性項目を算出し、
前記対象とするサービスの利用に関わる属性項目ごとの各属性値から当該属性項目が前記対象とするサービスの利用に与える影響の分布を算出し、
前記対象とするサービスの利用に与える影響の分布の中で特異値をとる前記属性値を前記対象とするサービスの利用に影響を与える属性値として算出し、
算出した前記対象とするサービスの利用に影響を与える属性値及び当該属性値を持つ前記属性項目を前記対象とするサービスをレコメンドする候補となる属性情報として出力し、
前記端末は、前記サーバが出力する前記対象とするサービスをレコメンドする候補となる属性情報を、前記ネットワークを介して受信して前記利用者に提示する
ことを特徴とする連携データ分析方法。

【請求項10】

請求項９に記載の連携データ分析方法であって、
前記サーバは、前記対象とするサービスの利用に関わる属性項目を、前記利用実績データに含まれる利用実績に関わる属性項目の各属性の中で前記対象とするサービスの利用率が高い属性に関して、前記統計情報データに存在する属性項目に関する分布との類似度に基づいて算出する
ことを特徴とする連携データ分析方法。

【請求項11】

請求項９に記載の連携データ分析方法であって、
前記サーバは、前記対象とするサービスの利用に与える影響の分布を、前記対象とするサービスの前記利用率から抽出した当該利用率が高い属性に関して、当該サービスの利用率と、前記統計情報データに存在する、前記対象とするサービスの利用に関わる属性項目に関する分布と、に基づいて算出する
ことを特徴とする連携データ分析方法。

【請求項12】

利用者が使用する端末と、データ分析を行うサーバと、提供されるサービスに関わる利用実績データ及び当該利用実績データを構成する属性に関わる統計情報データを格納するデータベースとが相互にネットワークを介して接続され、
前記端末は、前記利用者が対象とする前記属性に関わる入力情報を、前記ネットワークを介して前記サーバに送信し、
前記サーバは、
前記入力情報に基づいて前記データベースから前記対象とする属性に関わる統計情報データを抽出し、
前記データベースから前記提供されるサービスに関わる利用実績データを抽出し、
抽出した前記利用実績データ及び前記統計情報データに基づいて前記提供されるサービスの利用率及び当該サービスの特徴を算出し、
抽出した前記対象とする属性に関わる統計情報データ及び算出した前記提供されるサービスの利用率並びに当該サービスの特徴に基づいて前記提供されるサービスの適性度を算出し、
前記適性度から前記提供されるサービスをレコメンドする優先順位を算出して当該適性度と共に出力し、
前記端末は、前記ネットワークを介して受信した前記サーバの出力情報に基づいて前記対象とする属性に対してレコメンドする候補となるサービスを前記利用者に提示する
ことを特徴とする連携データ分析方法。

【請求項13】

請求項１２に記載の連携データ分析方法であって、
前記提供されるサービスの適性度については、前記サーバが、前記提供されるサービスの利用率及び前記統計情報データに基づいて前記提供されるサービスの利用に関わる属性項目を算出し、算出した前記提供されるサービスの利用に関わる属性項目ごとの各属性値から当該属性項目が前記提供されるサービスの利用に与える影響の分布を算出し、算出した前記提供されるサービスの利用に与える影響の分布と前記対象とする属性における統計情報データの分布との類似度に基づいて前記提供されるサービスの適性度を算出する
ことを特徴とする連携データ分析方法。

【請求項14】

請求項１２に記載の連携データ分析方法であって、
前記提供されるサービスの適性度については、前記サーバが、前記提供されるサービスの利用率及び前記統計情報データに基づいて前記提供されるサービスの利用に影響を与える属性値を算出し、算出した当該属性値に関する時系列データから前記対象とする属性における特徴を算出し、算出した当該特徴に基づいて前記提供されるサービスの適性度を算出する
ことを特徴とする連携データ分析方法。

【請求項15】

請求項１４に記載の連携データ分析方法であって、
前記対象とする属性における特徴とは、前記時系列データから検出した周期における増加度合いに基づく増加傾向度である
ことを特徴とする連携データ分析方法。

【請求項16】

請求項９または１２に記載の連携データ分析方法であって、
前記利用実績データは、前記提供されるサービスを利用した個人を特定できない形態で構成されたデータであり、
前記統計情報データは、住民に関する公共のデータである
ことを特徴とする連携データ分析方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、組織間で連携されたデータを分析するための連携データ分析システム及び連携データ分析方法に関する。

【背景技術】

【0002】

近年、地域における効果的な施策実行やサービス創生のために、自治体や民間事業者等、複数組織がそれぞれ持つ多種多様なデータを連携し、活用する動きが活発である。ところが、自治体や民間事業者等の各組織が持つデータに関して、特に、個人の属性や行動履歴等の個人が関わるデータの場合、プライバシーの観点等から組織間で連携することや分析することに難しさがある。

【0003】

そこで、複数のユーザから収集したデータを統計処理し、ユーザの属性や動態を可視化させることで、分析を容易にできる技術が知られている（例えば、特許文献１参照）。
特許文献１に開示されたデータ分析システムでは、サービス享受事業者装置からの要求に応じて、サービス基盤事業者装置は、収集したデータを統計処理部が要求に応じた統計処理をし、得られた統計データを基に属性分析データ又は人流分析データを作成して、サービス享受事業者装置へ送信する。この技術によれば、ユーザの膨大な属性情報や動態情報を統計処理することで、可視化を容易にし、分析を支援できるという効果が期待できる。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１９－２３８５１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、従来の技術では、自治体や民間事業者等の複数組織間で、各組織が持つ、個人を特定できないように処理された情報を互いに連携し、組み合わせて活用する方法については開示されていない。

【0006】

本発明は、これらの事情に鑑みてなされたものであり、複数組織間で連携した、個人を特定できない情報と他の情報とを組み合わせて分析し、活用することを課題とする。

【課題を解決するための手段】

【0007】

上記課題を解決するために、代表的な本発明の連携データ分析システムの一つは、利用者が使用する端末と、データ分析を行うサーバと、提供されるサービスに関わる利用実績データ及び当該利用実績データを構成する属性に関わる統計情報データを格納するデータベースとが相互にネットワークを介して接続され、端末は、利用者が対象とするサービスに関わる入力情報をサーバに送信し、サーバの出力として受信した前記対象とするサービスをレコメンドする候補となる属性情報を出力し、サーバは、入力情報に基づいてデータベースから前記対象とするサービスに関わる利用実績データ及び統計情報データを抽出する機能と、抽出した利用実績データ及び統計情報データに基づいて前記対象とするサービスの利用率を算出する機能と、算出した利用率と抽出した統計情報データに基づいて前記対象とするサービスの利用に関わる属性項目を算出する機能と、前記対象とするサービスの利用に関わる属性項目ごとの各属性値から当該属性項目が前記対象とするサービスの利用に与える影響の分布を算出する機能と、前記対象とするサービスの利用に与える影響の分布の中で特異値をとる属性値を前記対象とするサービスの利用に影響を与える属性値として算出する機能と、算出した前記対象とするサービスの利用に影響を与える属性値及び当該属性値を持つ属性項目を前記対象とするサービスをレコメンドする候補となる属性情報として出力する機能とを有する処理部と、処理部が前記各機能により算出した各情報を記憶する記憶部とを備えるものである。
上記態様により、例えば、各サービスを提供する事業者（サービス提供事業者）から連携された、各サービスを使った個人を特定できない形に適切に加工処理された各サービスの利用実績データと、自治体が持つような、住民の統計データと、を組み合わせて分析することにより、個人の属性のうち利用実績データに含まれていない観点も含めたレコメンドを可能にする分析が実現可能になる。

【発明の効果】

【0008】

本発明によれば、複数組織間で、各組織が持つ個人を特定できないように処理された情報と他の情報とを組み合わせた分析を可能にし、活用することが可能になる。

【図面の簡単な説明】

【0009】

【図1】本発明に係る連携データ分析システムの全体構成の一例を示すブロック図である。

【図2】本発明に係る利用者端末のハードウェア構成の一例を示すブロック図である。

【図3】本発明の実施例１に係る分析サーバのハードウェア構成の一例を示すブロック図である。

【図4】利用実績データテーブルの内容例を示す図である。

【図5】統計情報データテーブル及び人数情報データテーブルの内容例を示す図である。

【図6】サービス利用率データテーブルの内容例を示す図である。

【図7】属性類似情報データテーブルの内容例を示す図である。

【図8】サービス利用特徴情報データテーブルの内容例を示す図である。

【図9】サービス利用影響分布データテーブルの内容例を示す図である。

【図10】実施例１で、利用者端末が入力情報を受け付け、分析サーバが入力された対象サービスをレコメンドする候補となる属性情報を算出し、利用者端末が出力表示するまでの一連のシーケンスの一例を示す図である。

【図11】利用者端末が利用者に提示する、必要な情報やデータの入力受付のための登録画面の構成例を示す図である。

【図12】分析サーバが、対象サービスのサービス利用属性の特徴を算出するステップにおける処理フローを示す図である。

【図13】分析サーバが、対象サービスにおける「サービスの利用に関わる属性項目」であるか否かを判定するステップにおける処理フローを示す図である。

【図14】分析サーバが、対象サービスにおける「サービスの利用に与える影響の分布」と「サービスの利用に影響を与える属性値」を算出するステップにおける処理フローを示すフロー図である。

【図15】実施例１で、対象サービスをレコメンドする候補となる属性情報を提示する結果画面の構成例を示す図である。

【図16】本発明の実施例２に係る分析サーバのハードウェア構成の一例を示すブロック図である。

【図17】対象属性統計情報データテーブルの内容例を示す図である。

【図18】対象属性時系列情報データテーブルの内容例を示す図である。

【図19】サービス適性情報データテーブルの内容例を示す図である。

【図20】実施例２で、利用者端末からの入力情報受付から、分析サーバによる対象属性にレコメンドする候補となるサービスの情報の算出、利用者端末への出力表示までの一連のシーケンスの一例を示す図である。

【図21】利用者端末が利用者に提示する、必要な情報やデータの入力受付のための登録画面の構成例を示す図である。

【図22】対象属性における、選択した候補サービスの合致度を算出するステップの処理フローを示す図である。

【図23】対象属性における、選択した候補サービスの増加傾向度を算出するステップの処理フローを示す図である。

【図24】実施例２で、対象属性にレコメンドする候補となるサービスに関する情報を提示する結果画面の構成例を示す図である。

【発明を実施するための形態】

【0010】

以下、図面を参照して、本発明の実施の形態として、実施例１及び２について説明する。ただし、本発明は、以下に示す実施例１及び２に関する記載内容に限定して解釈されるものではない。
また、以下に説明する本発明の各実施例の構成において、同一部分又は同様な機能を有する部分には同一の符号を異なる図面間で共通して用い、重複する説明は省略する場合がある。

【0011】

図面における各構成の位置、大きさ、形状及び範囲等は、発明の理解を容易にするため、実際の位置、大きさ、形状及び範囲等を表していない場合がある。このため、本発明は、必ずしも、図面に開示した位置、大きさ、形状及び範囲等に限らない。

【0012】

なお、本明細書では、処理部で実行される各種のプログラムまたはその一部を、「部」、「手段」、「機能」等と呼称する場合がある。また、本発明に係る各実施例の構成は、単体のコンピュータで構成されてもよいし、あるいは、入力装置、出力装置、処理装置及び記憶装置の任意の部分が、ネットワークで接続された他のコンピュータで構成されてもよい。

【実施例0013】

実施例１は、利用者が、対象とするサービスをレコメンドする候補となる属性を知りたい場合に、対象とするサービスを利用した個人を特定できない形に適切に加工処理された利用実績データと住民の統計情報データ（例えば、自治体等が提供する公共の統計情報データ）とを用いて、レコメンドする候補となる属性を算出し、算出した属性情報を利用者に提示するための連携データ分析システム及び連携データ分析方法である。

【0014】

ここで、利用者端末の利用主体である利用者は、例えば自治体の職員等で、住民等へのレコメンドを用いて、住民等の活動促進や地域の活性化等、地域における何らかの施策等を実施しようとする者である。

【0015】

実施例１では、地域内のサービスの利用を促すために、該当するサービスをレコメンドする候補となる住民の属性を知る等の目的での利用を想定する。なお、実施例１及び後述する実施例２において、サービスとして示すものは、行政機関での手続き等でもよい。

【0016】

図１は、本発明に係る連携データ分析システム１の全体構成の一例を示すブロック図である。
連携データ分析システム１は、利用者端末１０１、分析サーバ１０２及びデータベース（以下、「ＤＢ」と略す）サーバ１０３から構成されるサービスシステムである。ＤＢサーバ１０３には、利用実績ＤＢ１０４及び統計情報ＤＢ１０５が保管されている。利用者端末１０１、分析サーバ１０２及びＤＢサーバ１０３は、インターネット等のネットワーク１０６を介して通信可能に接続されている。また、分析サーバ１０２とＤＢサーバ１０３は、同一の装置で実現してもよいし、分離して実現してもよい。

【0017】

図２は、本発明に係る利用者端末１０１のハードウェア構成の一例を示すブロック図である。
ここで、利用者端末の利用主体は、あるサービスをレコメンドする候補となる属性を知りたい利用者である。

【0018】

利用者端末１０１は、一般的なコンピュータにより実現できるものであり、その構成例としては、制御部２０１、ネットワークインタフェース部２０２、入力部２０３及び出力部２０４を具備する。これら各部は、ＢＵＳ（バス）２０５等により接続される。

【0019】

制御部２０１は、ＣＰＵ等で構成され、各プログラムを実行する。制御部２０１は、入力部２０３からの入力情報を受け付け、出力部２０４へ出力情報を送出する。なお、各プログラムの機能は、ＬＳＩ等のハードウェアにより実現してもよい。これは、後述する分析サーバ１０２の制御部３０１も、同様の構成である。

【0020】

ネットワークインタフェース部２０２は、制御部２０１により転送されたＩＰパケットを、インターネット等のネットワーク１０６を介して分析サーバ１０２に送信し、また、インターネット等のネットワーク１０６を介して利用者端末１０１が受信したＩＰパケットを、制御部２０１に転送する。このネットワークインタフェース部２０２は、例えば、ネットワークカード等で構成される。

【0021】

入力部２０３は、外部からの入力を制御部２０１に伝えるもので、例えば、キーボードやマウス等で構成される。
出力部２０４は、制御部２０１からの情報を外部に出力するもので、例えば、ディスプレイやプリンタ等で構成される。

【0022】

図３は、本発明の実施例１に係る分析サーバ１０２のハードウェア構成の一例を示すブロック図である。
分析サーバ１０２は、一般的なサーバ装置により実現できるものであり、その構成の一例として、制御部３０１、ネットワークインタフェース部３０２、ウェブサービス提供部３０３、データアクセス部３０４、データ登録部３０５、入力情報登録部３０６、入力情報記憶部３０７、サービス利用率算出部３０８、サービス利用率記憶部３０９、サービス特徴算出部３１０、属性類似情報記憶部３１１、サービス特徴記憶部３１２及びレコメンド属性算出部３１３を具備する。これら各部は、ＢＵＳ（バス）３１４等により接続される。

【0023】

また、図３に示す各構成要素は、物理的に分離している必要はなく、一つの要素が他を兼ねてもよい。なお、一般的なサーバが備える、入力装置や出力装置については、図３では特に示していない。
制御部３０１は、ＣＰＵ等で構成され、以下に記す各プログラムを実行する。

【0024】

ネットワークインタフェース部３０２は、制御部３０１により転送されたＩＰパケットを、インターネット等のネットワーク１０６を介して利用者端末１０１に送信し、また、インターネット等のネットワーク１０６を介して分析サーバ１０２が受信したＩＰパケットを、制御部３０１に転送する。このネットワークインタフェース部３０２は、例えばネットワークカード等で構成される。

【0025】

ウェブサービス提供部３０３は、インターネット等のネットワーク１０６を介して利用者端末１０１に、ウェブブラウザ上で表示可能なフォーマットで記述されたデータを送信する。
また、ウェブサービス提供部３０３は、利用者端末１０１のウェブブラウザ上での操作内容等の情報をインターネット等のネットワーク１０６を介して受信し、受信した情報を基に、データアクセス部３０４、データ登録部３０５、入力情報登録部３０６、サービス利用率算出部３０８、サービス特徴算出部３１０及びレコメンド属性算出部３１３がそれぞれの処理を実行する。このウェブサービス提供部３０３は、例えば上記のウェブサービス機能を有するプログラムである。

【0026】

データアクセス部３０４は、利用者端末１０１から受信した情報及び後述する入力情報記憶部３０７に記憶されている情報を基に、ＤＢサーバ１０３中の利用実績ＤＢ１０４及び統計情報ＤＢ１０５内のデータへのアクセスを実行し、必要な情報を抽出する処理を行う機能を有するプログラムである。

【0027】

データ登録部３０５は、利用者端末１０１から受信した情報を基に、ＤＢサーバ１０３中の利用実績ＤＢ１０４及び統計情報ＤＢ１０５にデータの登録を実行する処理を行う機能を有するプログラムである。

【0028】

入力情報登録部３０６は、利用者端末１０１のウェブブラウザ上で入力された、レコメンドする候補となる属性を算出したい対象のサービス（対象サービス）に関わる情報等を、インターネット等のネットワーク１０６を介して受信し、受信した情報を基に、対象サービスに関わる情報を入力情報記憶部３０７に登録する機能を持つプログラムである。

【0029】

入力情報記憶部３０７は、入力情報登録部３０６によって登録された、対象サービスに関わる情報の一部または全部を記憶するものである。
なお、入力情報記憶部３０７、後述するサービス利用率記憶部３０９、属性類似情報記憶部３１１及びサービス特徴記憶部３１２は、記憶するデータの大きさやフォーマット等に応じて、それぞれ異なる記憶方式を備えた複数の記憶部により構成してもよい。
また、入力情報記憶部３０７、後述するサービス利用率記憶部３０９、属性類似情報記憶部３１１及びサービス特徴記憶部３１２、に記憶されているデータと同等のデータの一部または全部は、インターネット等のネットワーク１０６に接続されたその他の複数のサーバにより提供されてもよい。

【0030】

サービス利用率算出部３０８は、データアクセス部３０４がアクセスし、利用実績ＤＢ１０４及び統計情報ＤＢ１０５から抽出した情報を基に、対象サービスの利用率（サービス利用率）を算出し、算出したサービス利用率に関する情報をサービス利用率記憶部３０９に登録する機能を有するプログラムである。
サービス利用率記憶部３０９は、サービス利用率算出部３０８が算出した、対象サービスのサービス利用率に関する情報の一部または全部を記憶するものである。

【0031】

サービス特徴算出部３１０は、サービス利用率記憶部３０９及び統計情報ＤＢ１０５の情報を基に、属性同士の類似に関する情報（属性類似情報）を算出し、算出した属性類似情報を属性類似情報記憶部３１１に登録する機能と、サービス利用率記憶部３０９及び属性類似情報記憶部３１１の情報を基に、対象サービスの利用に関わる属性の特徴（サービス利用属性特徴）に関する情報を算出し、算出したサービス利用属性特徴に関する情報をサービス特徴記憶部３１２に登録する機能とを有するプログラムである。

【0032】

属性類似情報記憶部３１１は、サービス特徴算出部３１０が算出した属性類似情報の一部または全部を記憶するものである。
サービス特徴記憶部３１２は、サービス特徴算出部３１０が算出した対象サービスのサービス利用属性特徴に関する情報の一部または全部を記憶するものである。

【0033】

レコメンド属性算出部３１３は、対象サービスをレコメンドする候補となる属性情報を、サービス特徴記憶部３１２の情報を基に算出し、利用者端末１０１に送信する機能を有するプログラムである。

【0034】

また、利用者端末１０１の制御部２０１および分析サーバ１０２の制御部３０１が実行するプログラムやデータの一部または全ては、予めこれら装置を実現するコンピュータ内の図示しない非一時的記憶装置に格納される態様、非一時的記憶媒体から取り込まれる態様、または外部の非一時的記憶装置を備えた情報処理装置からネットワーク経由で取り込まれる態様、の何れであってもよい。

【0035】

次に、図４から図９により、実施例１で使用する各種データテーブルについて説明する。
＜利用実績データテーブル４０１＞

【0036】

図４は、利用実績データテーブル４０１の内容例を示す図である。
利用実績データテーブル４０１は、ＤＢサーバ１０３内の利用実績ＤＢ１０４に格納され、Ｕｓｅｒカラム群４０２、サービスカラム４０３及び利用人数カラム４０４により構成される。なお、１つのデータテーブルに複数のサービスに関する情報を含めてもよいし、サービス毎に異なるデータテーブルでもよい。

【0037】

Ｕｓｅｒカラム群４０２は、該当サービスの利用実績に含まれ、該当サービスを利用した人の属性項目のカラムから構成される。例えば、温泉施設Ａの利用実績として、「年齢」及び「性別」の２種類の属性項目で利用人数を集計している情報の場合、Ｕｓｅｒカラム群４０２は、年齢カラム４０５及び性別カラム４０６により構成される。Ｕｓｅｒカラム群４０２を構成する各属性項目のカラムには、カラムに対応する属性項目における属性値を一意に特定する情報が記憶される。

【0038】

サービスカラム４０３には、サービスを一意に特定する情報が記憶される。
利用人数カラム４０４には、Ｕｓｅｒカラム群４０２の各属性項目カラムに記憶されている属性を持ちかつサービスカラム４０３に記憶されているサービス、を利用した人数が記憶される。
＜統計情報データテーブル５０１及び人数情報データテーブル５１１＞

【0039】

図５は、統計情報データテーブル５０１及び人数情報データテーブル５１１の内容例を示す図である。統計情報データテーブル５０１及び人数情報データテーブル５１１は、ＤＢサーバ１０３内の統計情報ＤＢ１０５に格納される。

【0040】

統計情報データテーブル５０１は、属性カラム群５０２と５０３、属性項目カラム５０４及び属性値カラム群５０５～５０８により構成される。
属性カラム群５０２と５０３は、統計情報を集計する際に母数となる属性に対応する属性項目のカラムから構成される。例えば、「年齢」と「性別」の各属性値の組合せごとに、属性項目カラム５０４に関する統計情報を集計したい場合、年齢カラム５０２と性別カラム５０３から構成される。

【0041】

属性カラム群５０２と５０３を構成する各属性カラムには、各属性カラムに対応する属性項目における属性値を一意に特定する情報が記憶される。
属性項目カラム５０４には、属性項目を一意に特定する情報が記憶される。

【0042】

属性値カラム群５０５～５０８は、属性項目カラム５０４に記憶されている属性項目における各属性値のカラムから構成される。
例えば、属性項目カラム５０４に記憶されている属性項目が「住む地域」で、その属性値が「Ａ地域」、「Ｂ地域」、「Ｃ地域」及び「Ｄ地域」の４種類の場合、Ａ地域カラム５０５、Ｂ地域カラム５０６、Ｃ地域カラム５０７及びＤ地域カラム５０８により構成される。

【0043】

属性値カラム群５０５～５０８を構成する各属性値カラムは、属性カラム群５０２と５０３に記憶されている属性値を持つ人の内で、各属性値カラムに対応する属性値を持つ人の割合が記憶される。
なお、本明細書では、ある１行における、属性値カラム群５０５～５０８の値で構成された情報を、該当する行の属性カラム群５０２と５０３に記憶されている属性における、属性項目カラム５０４に記憶されている属性項目の「分布」と呼ぶ場合がある。

【0044】

次に、人数情報データテーブル５１１は、属性カラム群５１２と５１３、総数カラム５１４により構成される。
属性カラム群５１２と５１３は、統計情報を集計する際に母数となる属性に対応する属性項目のカラムから構成される。例えば、「年齢」と「性別」の各属性値の組合せごとに、各属性値を持つ人の総数を集計したい場合、年齢カラム５１２と性別カラム５１３から構成される。
総数カラム５１４には、属性カラム群５１２と５１３に記憶されている属性値を持つ人の総人数が記憶される。
＜サービス利用率データテーブル６０１＞

【0045】

図６は、サービス利用率データテーブル６０１の内容例を示す図である。
サービス利用率データテーブル６０１は、分析サーバ１０２のサービス利用率記憶部３０９に格納され、Ｕｓｅｒカラム群６０２、サービスカラム６０３、利用率カラム６０４及び利用率順位カラム６０５により構成される。

【0046】

Ｕｓｅｒカラム群６０２は、該当サービスの利用実績に含まれ、該当サービスを利用した人の属性項目のカラムから構成される。例えば、温泉施設Ａの利用実績が、「年齢」と「性別」の２種類の属性項目で利用人数を集計している情報の場合、Ｕｓｅｒカラム群６０２は、年齢カラム６０６と性別カラム６０７により構成される。Ｕｓｅｒカラム群６０２を構成する各属性項目のカラムは、該当する属性項目における属性値を一意に特定する情報が記憶される。
サービスカラム６０３には、サービスを一意に特定する情報が記憶される。

【0047】

利用率カラム６０４には、Ｕｓｅｒカラム群６０２の各属性項目カラムに記憶されている属性値を持つ人の内、サービスカラム６０３に記憶されているサービスを利用した人の割合が記憶される。
利用率順位カラム６０５は、サービスカラム６０３に記憶されているサービスごとに、利用率カラム６０４に記憶されている利用率が高い順に付けられた順位が記憶される。
＜属性類似情報データテーブル７０１＞

【0048】

図７は、属性類似情報データテーブル７０１の内容例を示す図である。
属性類似情報データテーブル７０１は、分析サーバ１０２の属性類似情報記憶部３１１に格納され、Ｕｓｅｒカラム群７０２、属性項目カラム７０３、１位属性との類似度カラム７０４及び類似度順位カラム７０５により構成される。

【0049】

Ｕｓｅｒカラム群７０２は、対象サービスの利用実績に含まれ、対象サービスを利用した人の属性項目のカラムから構成される。例えば、対象サービスが温泉施設Ａであり、温泉施設Ａの利用実績が、「年齢」と「性別」の２種類の属性項目で利用人数を集計している情報の場合、Ｕｓｅｒカラム群７０２は、年齢カラム７０６と性別カラム７０７により構成される。Ｕｓｅｒカラム群７０２を構成する各属性項目のカラムは、該当する属性項目における属性値を一意に特定する情報が記憶される。
属性項目カラム７０３には、属性項目を一意に特定する情報が記憶される。

【0050】

１位属性との類似度カラム７０４には、属性項目カラム７０３に記憶されている属性項目に関する分布について、対象サービスに関する利用率順位が１位の属性とＵｓｅｒカラム群７０２の各属性項目カラムに記憶されている属性との類似度が記憶される。
類似度順位カラム７０５には、属性項目カラム７０３に記憶されているサービスごとに、１位属性との類似度カラム７０４に記憶されている類似度が高い順に付けられた順位が記憶される。
＜サービス利用特徴情報データテーブル８０１＞

【0051】

図８は、サービス利用特徴情報データテーブル８０１の内容例を示す図である。
サービス利用特徴情報データテーブル８０１は、分析サーバ１０２のサービス特徴記憶部３１２に格納され、サービスカラム８０２、属性項目カラム８０３及び属性値カラム８０４により構成される。
サービスカラム８０２には、サービスを一意に特定する情報が記憶される。

【0052】

属性項目カラム８０３には、サービスカラム８０２に記憶されているサービスに対する「サービスの利用に関わる属性項目」が記憶される。
属性値カラム８０４には、サービスカラム８０２に記憶されているサービスについて、属性項目カラム８０３に記憶されている属性項目に対応する「サービスの利用に影響を与える属性値」が記憶される。
＜サービス利用影響分布データテーブル９０１＞

【0053】

図９は、サービス利用影響分布データテーブル９０１の内容例を示す図である。
サービス利用影響分布データテーブル９０１は、分析サーバ１０２のサービス特徴記憶部３１２に格納され、サービスカラム９０２、属性項目カラム９０３、属性値カラム９０４、推定影響度カラム９０５及び標準偏差カラム９０６により構成される。

【0054】

サービスカラム９０２には、サービスを一意に特定する情報が記憶される。
属性項目カラム９０３には、サービスカラム９０２に記憶されているサービスに対する「サービスの利用に関わる属性項目」が記憶される。
属性値カラム９０４には、属性項目カラム９０３に記憶されている属性項目に対応する属性値を一意に特定する情報が記憶される。

【0055】

推定影響度カラム９０５には、属性値カラム９０４に記憶されている属性について、サービスカラム９０２に記憶されているサービスの利用に与える推定影響度が記憶される。
標準偏差カラム９０６には、推定影響度カラム９０５に記憶されている推定影響度を推定する際に算出した標準偏差の値が記憶される。

【0056】

図１０は、対象サービスをレコメンドする候補となる属性情報を、利用者に提示するまでの一連のシーケンス１００１の一例を示す図である。
図１０では、利用者端末１０１が、利用者からレコメンドする候補となる属性を算出したい対象サービスに関わる入力を受け付け、分析サーバ１０２が、ＤＢサーバ１０３内の利用実績ＤＢ１０４及び統計情報ＤＢ１０５内の情報を基に、対象サービスをレコメンドする候補となる属性情報を算出して利用者端末に送信し、利用者端末１０１が受信した情報を出力して利用者に提示するまでの一連のシーケンス１００１の処理フローを示している。

【0057】

なお、分析サーバ１０２からＤＢサーバ１０３へのデータアクセスや、分析サーバ１０２からＤＢサーバ１０３へのデータ登録等、分析サーバ１０２とＤＢサーバ１０３間のやり取りについては、省略している。

【0058】

ステップ１００１（ｓ１００１）で、利用者端末１０１は、利用者から、レコメンドする候補となる属性を算出したい対象サービスに関わる入力を受け付け、この入力情報を分析サーバ１０２に送信する。対象サービスとしては、例えば、「温泉施設Ａ」、「スポーツジムＢ」、「博物館Ｃ」等、が挙げられる。

【0059】

ステップ１００２（ｓ１００２）で、分析サーバ１０２は、利用者端末１０１から対象サービスに関わる入力情報を受信し、受信した入力情報を分析サーバ１０２の入力情報記憶部３０７に登録する。

【0060】

ステップ１００３（ｓ１００３）で、分析サーバ１０２は、ＤＢサーバ１０３内の利用実績ＤＢ１０４にアクセスし、入力された対象サービスに関する利用実績のデータが利用実績ＤＢ１０４に存在するかを確かめる。存在する場合（Ｙｅｓ）には、ステップ１００７（ｓ１００７）に進み、存在しなかった場合（Ｎｏ）には、存在しなかった旨を利用者端末１０１に送信する。

【0061】

ステップ１００４（ｓ１００４）で、利用者端末１０１は、利用実績のデータが存在しない旨の情報を受信すると、対象サービスの利用実績データの入力を促すメッセージを出力する。

【0062】

ステップ１００５（ｓ１００５）で、利用者端末１０１は、利用者から対象サービスの利用実績データに関わる入力を受け付けると、この入力情報を分析サーバ１０２に送信する。

【0063】

ステップ１００６（ｓ１００６）で、分析サーバ１０２は、利用者端末１０１から対象サービスの利用実績データに関わる入力情報を受信し、この受信情報に基づき、対象サービスの利用実績データを利用実績ＤＢ１０４に登録する。

【0064】

ステップ１００７（ｓ１００７）で、分析サーバ１０２は、ＤＢサーバ１０３にアクセスし、対象サービスの利用実績に関わる利用実績データテーブル４０１（図４）から、該当する利用実績に含まれている属性項目（利用実績属性項目）の情報を、また、統計情報データテーブル５０１（図５）から、利用実績属性項目の属性（利用実績属性）ごとに統計情報が集計されている属性項目（候補属性項目）の情報を、抽出する。

【0065】

ステップ１００８（ｓ１００８）で、分析サーバ１０２は、ステップ１００７（ｓ１００７）で抽出した利用実績属性項目及び候補属性項目の情報を、利用者端末１０１に送信する。

【0066】

ステップ１００９（ｓ１００９）で、利用者端末１０１は、分析サーバ１０２から受信した利用実績属性項目及び候補属性項目の情報を出力する。

【0067】

ステップ１０１０（ｓ１０１０）で、利用者端末１０１は、利用者から追加で使用したい統計情報データに関わる情報の入力を受け付けると、この入力情報を分析サーバ１０２に送信する。

【0068】

ステップ１０１１（ｓ１０１１）で、分析サーバ１０２は、利用者端末１０１から追加で使用したい統計情報データに関わる入力情報を受信し、この受信情報に基づき、追加で使用したい統計情報データを統計情報ＤＢ１０５に登録する。

【0069】

ここで、利用者端末１０１の登録画面について説明する。
図１１は、利用者端末１０１が利用者に提示する、必要な情報やデータの入力受付のための登録画面１１０１の構成例を示す図である。
登録画面１１０１は、ウェブブラウザ等のウィンドウ上に表示される。この登録画面１１０１には、対象サービス入力エリア１１０２、送信ボタン１１０３、利用実績データ登録エリア１１０４及び属性項目情報確認エリア１１０７が配置される。

【0070】

対象サービス入力エリア１１０２には、利用者が、レコメンドする候補となる属性を算出したい対象サービスの名前等、対象サービスを一意に特定できる情報を入力する。送信ボタン１１０３が押されると、利用者端末１０１は、対象サービス入力エリア１１０２に入力された内容を分析サーバ１０２に送信する。

【0071】

利用実績データ登録エリア１１０４は、ステップ１００４（ｓ１００４）において出力表示される。利用実績データ登録エリア１１０４には、利用実績データ入力エリア１１０５及び登録ボタン１１０６が配置される。

【0072】

利用実績データ登録エリア１１０４が表示されると、利用者は、利用実績データ入力エリア１１０５に、対象サービスの利用実績データに関わる情報を入力する。この入力態様としては、データのファイルをアップロードする方法や利用実績データの所在を入力する方法等がある。登録ボタン１１０６が押されると、利用者端末１０１は、利用実績データ入力エリア１１０５に入力された情報を分析サーバ１０２に送信する。

【0073】

属性項目情報確認エリア１１０７は、ステップ１００９（ｓ１００９）において出力表示される。属性項目情報確認エリア１１０７には、統計情報データ入力エリア１１０８、登録ボタン１１０９及び属性項目表示エリア１１１０が配置される。
属性項目表示エリア１１１０には、分析サーバ１０２が送信した利用実績属性項目及び候補属性項目の情報が出力される。

【0074】

属性項目情報確認エリア１１０７が表示されると、利用者は、属性項目表示エリア１１１０に表示された、利用実績属性項目及び候補属性項目の情報を確認し、表示された候補属性項目以外に利用したい統計情報がある場合には、統計情報データ入力エリア１１０８に、利用したい統計情報に関わる情報を入力する。この入力態様としては、データのファイルをアップロードする方法や統計情報データの所在を入力する方法等がある。登録ボタン１１０９が押されると、利用者端末１０１は、統計情報データ入力エリア１１０８に入力された情報を分析サーバ１０２に送信する。

【0075】

また、図１０に戻り、ステップ１０１１（ｓ１０１１）以降の処理フローについて説明する。
ステップ１０１２（ｓ１０１２）で、分析サーバ１０２は、利用実績ＤＢ１０４に記憶されている対象サービスの利用実績データテーブル４０１（図４）及び統計情報ＤＢ１０５に記憶されている人数情報データテーブル５１１（図５）の情報を基に、対象サービスのサービス利用率を算出する。

【0076】

具体的には、分析サーバ１０２は、利用実績データテーブル４０１（図４）の利用人数カラム４０４の利用人数の値を、人数情報データテーブル５１１（図５）の属性カラム群５１２と５１３に記憶されている属性値が利用実績データテーブル４０１（図４）における該当行のＵｓｅｒカラム群４０２に記憶されている属性値と一致する行における総数カラム５１４に記憶されている人数の値で割ることにより、算出する。算出したサービス利用率の情報は、サービス利用率データテーブル６０１（図６）として、分析サーバ１０２のサービス利用率記憶部３０９に記憶される。

【0077】

なお、利用実績属性項目が複数存在する場合は、すべての利用実績属性項目に注目してもよいし、一部の利用実績属性項目に注目してもよい。また、複数の利用実績属性項目を組み合わせた属性について算出してもよいし、利用実績属性項目ごとに算出してもよい。一部の利用実績属性項目に注目する場合や、利用実績属性項目ごとに算出する場合には、注目する利用実績属性項目の各属性値あるいはそれらの組合せで、利用人数を集計し直してからサービス利用率を算出する。

【0078】

次に、ステップ１０１３（ｓ１０１３）で、分析サーバ１０２は、サービス利用率記憶部３０９に記憶されているサービス利用率データテーブル６０１（図６）及び統計情報ＤＢ１０５に記憶されている統計情報データテーブル５０１（図５）の情報を基に、対象サービスの利用に関わる属性の特徴（サービス利用属性特徴）に関する情報を算出する。
また、処理の途中で算出した属性同士の類似に関する情報（属性類似情報）を属性類似情報記憶部３１１に登録し、算出したサービス利用属性特徴に関する情報をサービス特徴記憶部３１２に登録する。

【0079】

ここで、ステップ１０１３（ｓ１０１３）の詳細フローについて説明する。
図１２は、分析サーバ１０２が、対象サービスのサービス利用属性の特徴を算出するステップ１０１３（ｓ１０１３）における処理フローを示す図である。以下では、分析サーバ１０２が各ステップの処理主体であるので、主体の記載を省略する。

【0080】

まず、ステップ１２０１（ｆ１２０１）では、サービス利用率データテーブル６０１（図６）において、サービスカラム６０３に記憶されているサービスが対象サービスと一致する行に関して、利用率カラム６０４に記憶されているサービス利用率の値が高い順に順位（利用率順位）をつけ、利用率順位カラム６０５に記憶する。

【0081】

ステップ１２０２（ｆ１２０２）では、ステップ１００７（ｓ１００７）で抽出した候補属性項目の内、ステップ１０１３（ｓ１０１３）において未選択の候補属性項目を１つ選択する。

【0082】

ステップ１２０３（ｆ１２０３）では、ステップ１２０２（ｆ１２０２）で選択した候補属性項目が対象サービスの「サービスの利用に関わる属性項目」であるか否かを判定し、判定結果が、「サービスの利用に関わる属性項目」である（Ｙｅｓ）場合には、サービス特徴記憶部３１２中のサービス利用特徴情報データテーブル８０１（図８）に記憶し、ステップ１２０４（ｆ１２０４）へ進み、そうでない（Ｎｏ）場合には、ステップ１２０７（ｆ１２０７）に進む。

【0083】

更に、ステップ１２０３（ｆ１２０３）の詳細フローについて説明する。
図１３は、ステップ１２０３（ｓ１２０３）の詳細フローとして、分析サーバ１０２が、対象サービスにおける「サービスの利用に関わる属性項目」であるか否かを判定するステップにおける処理フローを示す図である。以下では、分析サーバ１０２が各ステップの処理主体であるので、主体の記載を省略する。

【0084】

ステップ１３０１（ｆ１３０１）では、ＤＢサーバ１０３にアクセスし、統計情報ＤＢ１０５から、統計情報データテーブル５０１（図５）において、選択した候補属性項目につきサービス利用率を算出した各利用実績属性に対して集計された情報を抽出する。
例えば、選択した候補属性項目が「住む地域」で、対象サービスの利用実績属性項目が「年齢」と「性別」であった場合、統計情報データテーブル５０１中の属性カラム群５０２と５０３が「年齢」カラムと「性別」カラムで構成され、属性項目カラム５０４が「住む地域」と一致する行の情報を抽出する。

【0085】

ステップ１３０２（ｆ１３０２）では、ステップ１２０１（ｆ１２０１）で算出し、サービス利用率データテーブル６０１（図６）の利用率順位カラム６０５に記憶されている利用率順位が１位である行におけるＵｓｅｒカラム群６０２に記憶されている属性値を、利用率１位属性として抽出する。

【0086】

ステップ１３０３（ｆ１３０３）では、選択した候補属性項目の分布について、利用率１位属性とその他の各利用実績属性との類似度を算出し、算出した値を、属性類似情報記憶部３１１中の属性類似情報データテーブル７０１（図７）における１位属性との類似度カラム７０４に記憶する。

【0087】

具体的には、ステップ１３０１（ｆ１３０１）で抽出した統計情報データテーブル５０１（図５）について、属性カラム群５０２と５０３に記憶されている属性値がステップ１３０２（ｆ１３０２）で抽出した利用率１位属性と一致する行における、属性値カラム群５０５～５０８の値で構成されるベクトル（分布ベクトル）と、ステップ１３０１（ｆ１３０１）で抽出した統計情報データテーブル５０１中の各行における分布ベクトルの類似度を算出する。

【0088】

例えば、利用率１位属性について、「年齢」が「３０－３９」かつ「性別」が「男性」であったとする。統計情報データテーブル５０１（図５）を見ると、候補属性項目「住む地域」に関して、属性値カラム群５０５～５０８は、Ａ地域カラム５０５、Ｂ地域カラム５０６、Ｃ地域カラム５０７及びＤ地域カラム５０８で構成されている。利用率１位属性（「年齢」が「３０－３９」かつ「性別」が「男性」）の分布ベクトルは、Ａ地域カラム５０５、Ｂ地域カラム５０６、Ｃ地域カラム５０７及びＤ地域カラム５０８の各値で構成されるベクトルである（０．２６，０．２，０．４５，０．０９）となる。「住む地域」の分布について、利用率１位属性と他の利用実績属性、例えば「年齢」が「３０－３９」かつ「性別」が「女性」の属性との類似度を算出する際は、利用率１位属性の分布ベクトル（０．２６，０．２，０．４５，０．０９）と、「年齢」が「３０－３９」かつ「性別」が「女性」の属性の分布ベクトル（０．２３，０．１８，０．４２，０．１７）との類似度を算出する。ここで、類似度としては、例えばコサイン類似度等が想定される。

【0089】

ステップ１３０４（ｆ１３０４）では、属性類似情報データテーブル７０１（図７）における１位属性との類似度カラム７０４に記憶されている、利用率１位属性との類似度の値が高い順に順位（類似度順位）をつけ、類似度順位カラム７０５に記憶する。なお、利用率１位属性に対応する行（図７では、「年齢」が「３０－３９」かつ「性別」が「男性」である行）の類似度順位が１位となる。

【0090】

ステップ１３０５（ｆ１３０５）では、利用率順位が上位Ｎ位の利用実績属性と類似度順位が上位Ｎ位の利用実績属性との一致度、及び、利用率順位が下位Ｎ位の利用実績属性と類似度順位が下位Ｎ位の利用実績属性との一致度を算出し、上位Ｎ位の利用実績属性の一致度と下位Ｎ位の利用実績属性の一致度との平均を算出する。

【0091】

具体的には、まず、サービス利用率データテーブル６０１（図６）における利用率順位カラム６０５の値が上位１位～Ｎ位である行の、Ｕｓｅｒカラム群６０２に記憶されている利用実績属性を抽出する。抽出したＮ種類の利用実績属性と、属性類似情報データテーブル７０１（図７）における類似度順位カラム７０５の値が上位１位～Ｎ位である行に相当する、Ｕｓｅｒカラム群７０２に記憶されている利用実績属性とを比較し、Ｎ種類の内一致している割合を算出する。

【0092】

同様に、下位１位～Ｎ位の利用実績属性についても、サービス利用率データテーブル６０１（図６）の利用率順位カラム６０５の値が下位１位～Ｎ位である利用実績属性と、属性類似情報データテーブル７０１（図７）の類似度順位カラム７０５の値が下位１位～Ｎ位である利用実績属性とを比較することで、Ｎ種類の内一致している割合を算出する。
ここで、Ｎについては、利用者が設定してもよいし、利用実績属性の種類数に応じて決められた値としてもよい。

【0093】

ステップ１３０６（ｆ１３０６）では、ステップ１３０５（ｆ１３０５）で算出した一致度が閾値より高いか否かを判定し、閾値より高ければ「Ｙｅｓ」、そうでなければ「Ｎｏ」とする。ここで、この閾値は、利用者が設定してもよいし、利用実績属性の種類数に応じて決められた値としてもよい。

【0094】

次に、図１２に戻り、ステップ１２０４（ｆ１２０４）では、ステップ１２０３（ｆ１２０３）で「Ｙｅｓ」と判定された場合に、該当の候補属性項目の各属性値に関して、対象サービスの利用に与える推定影響度を、「サービスの利用に与える影響の分布」として算出し、この算出結果を、サービス特徴記憶部３１２のサービス利用影響分布データテーブル９０１（図９）の推定影響度カラム９０５に記憶する。

【0095】

具体的には、候補属性項目の各属性値について、統計情報データテーブル５０１（図５）におけるＵｓｅｒカラム群５０２と５０３の各カラムに記憶されている属性値が、サービス利用率データテーブル６０１（図６）における利用率順位カラム６０５の値が１位～Ｎ位である行のＵｓｅｒカラム群６０２に記憶されている利用実績属性と一致する行にあって、該当する属性値カラム５０５～５０８に記憶されている値を、サービス利用率データテーブル６０１（図６）における各利用実績属性に対応する行の利用率カラム６０４に記憶されている利用率の値で重みづけして平均をとる。

【0096】

なお、住民全体について候補属性項目の各属性値を持つ人数に偏りがある場合、その偏りを考慮してもよい。例えば、候補属性項目の各属性値について上述の方法で算出した値に対して、さらに、住民全体における該当の属性値を持つ人の割合との比や差分をとる、あるいは、各属性における候補属性項目の分布(該当する属性値カラム５０５～５０８に記憶されている値)と住民全体における該当の候補属性項目との差分を各利用率の値で重みづけして平均をとる、等がある。
また、その際に、この重みづけ平均を算出したときの標準偏差を算出し、その標準偏差をサービス利用影響分布データテーブル９０１（図９）の標準偏差カラム９０６に記憶してもよい。

【0097】

ステップ１２０５（ｆ１２０５）では、ステップ１２０４（ｆ１２０４）で算出した「サービスの利用に与える影響の分布」を基に、候補属性項目の各属性値の推定影響度が特異値であるか否かを判定する。判定結果が、特異値である場合（Ｙｅｓ）は、ステップ１２０６（ｆ１２０６）へ進み、そうでない場合（ＮＯ）は、ステップ１２０７（ｆ１２０７）へ進む。

【0098】

ステップ１２０６（ｆ１２０６）では、該当する属性値を「サービスの利用に影響を与える属性値」として算出し、サービス特徴記憶部３１２のサービス利用特徴情報データテーブル８０１（図８）の属性値カラム８０４に記憶する。特異値であるか否かを判定する方法としては、例えば、各属性値の推定影響度の値、あるいは推定影響度から標準偏差を引いた値が、該当の候補属性項目の属性値の種類数の逆数より大きいか否かを判定する、等がある。

【0099】

ステップ１２０７（ｆ１２０７）では、ステップ１００７（ｓ１００７）で抽出したすべての候補属性項目について選択したかを判定し、「Ｙｅｓ」であればステップ１２０８（ｆ１２０８）に進み、「Ｎｏ」であればステップ１２０２（ｆ１２０２）に戻る。

【0100】

ステップ１２０８（ｆ１２０８）では、各利用実績属性項目に関して、「サービスの利用に与える影響の分布」と「サービスの利用に影響を与える属性値」を算出する。

【0101】

ここで、ステップ１２０８（ｆ１２０８）の詳細フローについて説明する。
図１４は、ステップ１２０８（ｓ１２０８）の詳細フローとして、分析サーバ１０２が、対象サービスにおける「サービスの利用に与える影響の分布」と「サービスの利用に影響を与える属性値」を算出するステップにおける処理フローを示す図である。以下では、分析サーバ１０２が各ステップの処理主体であるので、主体の記載を省略する。

【0102】

ステップ１４０１（ｆ１４０１）では、利用実績属性項目が複数存在する場合、利用実績属性項目の内、ステップ１２０８（ｆ１２０８）で未選択のものを１つ選択する。

【0103】

ステップ１４０２（ｆ１４０２）では、サービス特徴記憶部３１２のサービス利用特徴情報データテーブル８０１（図８）に記憶する。

【0104】

ステップ１４０３（ｆ１４０３）では、選択した利用実績属性項目のみで集計されたサービス利用率を算出する。具体的には、ステップ１０１２（ｓ１０１２）と同様に、利用実績ＤＢ１０４における対象サービスの利用実績データテーブル４０１（図４）及び統計情報ＤＢ１０５における人数情報データテーブル５１１（図５）の情報を基に、対象サービスのサービス利用率を算出する。

【0105】

このとき、利用実績データテーブル４０１及び人数情報データテーブル５１１は、選択した利用実績属性項目のみで集計し直したものを使用する。例えば、利用実績属性項目が「年齢」と「性別」であり、ステップ１４０１（ｆ１４０１）で「年齢」を選択した場合、この「年齢」の各属性値に対して、「性別」に関するすべての属性値における利用人数または総人数の値を足し直すことで、集計し直す。

【0106】

ステップ１４０４（ｆ１４０４）では、ステップ１４０３（ｆ１４０３）で算出したサービス利用率の値を基に、選択した利用実績属性項目の各属性値における推定影響度として、「サービスの利用に与える影響の分布」を算出し、この算出結果を、サービス特徴記憶部３１２のサービス利用影響分布データテーブル９０１（図９）に記憶する。
具体的に、選択した利用実績属性項目のある属性値における推定影響度は、選択した利用実績属性項目の該当する属性値におけるサービス利用率の値を、選択した利用実績属性項目のすべての属性値におけるサービス利用率の値を足し合わせたもので割ることで算出される。

【0107】

ステップ１４０５（ｆ１４０５）では、ステップ１２０５（ｆ１２０５）及びステップ１２０６（ｆ１２０６）と同様に、ステップ１４０４（ｆ１４０４）で算出した「サービスの利用に与える影響の分布」を基に、該当する利用実績属性項目の各属性値の推定影響度が特異値であるか否かを判定し、判定結果が、特異値である場合（ＹＥＳ）は、ステップ１４０６（ｆ１４０６）に進み、そうでない場合（Ｎｏ）は、ステップ１４０１（ｆ１４０１）に戻る。

【0108】

ステップ１４０６（ｆ１４０６）では、特異値をとる属性値を「サービスの利用に影響を与える属性値」として算出して、サービス特徴記憶部３１２のサービス利用特徴情報データテーブル８０１（図８）に記憶する。

【0109】

最後に、ステップ１４０７（ｆ１４０７）では、すべての利用実績属性項目について選択したか判定し、「Ｙｅｓ」であれば終了し、「Ｎｏ」であればステップ１４０１（ｆ１４０１）に戻る。

【0110】

再び、図１０の処理フローに戻り、ステップ１０１４（ｓ１０１４）以降の処理フローについて説明する。
ステップ１０１４（ｓ１０１４）で、分析サーバ１０２は、サービス特徴記憶部３１２に格納されているサービス利用特徴情報データテーブル８０１（図８）の内容を基に、対象サービスに対応する行の属性項目カラム８０３の値（サービスの利用に関わる属性項目）及び属性値カラム８０４の値（サービスの利用に影響を与える属性値）を、レコメンドする候補となる属性情報として抽出する。

【0111】

なお、ステップ１０１２（ｓ１０１２）及びステップ１０１３（ｓ１０１３）の処理を、利用実績ＤＢ１０４の中に利用実績データテーブル４０１（図４）が存在するすべてのサービスに対して定期的に実施し、その結果をサービス特徴記憶部３１２のサービス利用特徴情報データテーブル８０１（図８）に記憶して更新する。これにより、ステップ１０１０（ｓ１０１０）にて利用者が追加で使用したい統計情報がない場合には、ステップ１０１２（ｓ１０１２）及びステップ１０１３（ｓ１０１３）を省略し、定期的に更新されるサービス利用特徴情報データテーブル８０１の内容を基に、ステップ１０１４（ｓ１０１４）を実施することも可能である。

【0112】

ステップ１０１５（ｓ１０１５）で、分析サーバ１０２は、ステップ１０１４（ｓ１０１４）で抽出した、レコメンドする候補となる属性情報を利用者端末１０１に送信する。

【0113】

最後に、ステップ１０１６（ｓ１０１６）で、利用者端末１０１は、分析サーバ１０２から受信したレコメンドする候補となる属性情報を出力し、利用者端末１０１の利用者に提示する。

【0114】

次に、利用者端末１０１の結果画面について説明する。
図１５は、実施例１で、対象サービスをレコメンドする候補となる属性情報を提示する結果画面１５０１の構成例を示す図である。
結果画面１５０１は、ウェブブラウザ等のウィンドウ上に表示され、対象サービス表示エリア１５０２とレコメンド属性確認エリア１５０３が配置される。

【0115】

対象サービス表示エリア１５０２には、利用者がステップ１００１（ｓ１００１）で入力した対象サービスの情報が表示される。
レコメンド属性確認エリア１５０３には、利用者端末１０１が、分析サーバ１０２から受信したレコメンドする候補となる属性情報が表示される。レコメンドする候補となる各属性について、推定影響度の値と、対応する属性項目における属性値の数及び他の属性値を、利用者に提示する。

【0116】

実施例１は、自治体が持つ住民の統計データと、サービス提供事業者が持つサービスを利用した個人を特定できない形の利用実績データとを組み合わせて分析することで、利用実績に含まれていない属性情報以外にも、対象のサービスをレコメンドする候補となる属性情報を示すことができる。

【0117】

また、住民ごとに利用したサービスを把握しなくても、地域における効果的な施策に役立てる効果がある。さらに、この分析結果を、例えばサービス提供事業者にフィードバックすることで、サービス提供事業者は、自身が提供するサービスに対する改善策や新たな工夫等を検討することができる。

【実施例0118】

実施例２は、利用者が、対象とする属性に対してレコメンドする候補となるサービスを知りたい場合に、レコメンドする候補となるサービス（候補サービス）の利用実績と住民の統計情報とを用いて、レコメンドする候補となるサービスを算出し、算出したレコメンドする候補となるサービスの情報を利用者に提示するための連携データ分析システム及び連携データ分析方法である。
なお、以下の実施例２についての説明では、実施例１と共通する部分について記述を省略し、異なる部分のみを記述する。特に、同様の構成による同様の作用効果については、逐一記述しない。

【0119】

利用者端末の利用主体である利用者は、実施例１と同様に、例えば、自治体の職員等、住民等へのレコメンドを用いて住民の活動促進や地域の活性化等、地域における何らかの施策等を実施しようとする者である。

【0120】

実施例２では、施策の目的に即し、ある属性を持つ住民に対して地域内の活動を促進するために、該当の属性に対してレコメンドする候補となるサービスを知る等の目的での利用を想定する。

【0121】

図１６は、本発明の実施例２に係る分析サーバ１０２のハードウェア構成例を示すブロック図である。
分析サーバ１０２は、一般的なサーバ装置により実現できるものであり、図３で示した実施例１の構成要素である、制御部３０１、ネットワークインタフェース部３０２、ウェブサービス提供部３０３、データアクセス部３０４、データ登録部３０５、入力情報登録部３０６、入力情報記憶部３０７、サービス利用率算出部３０８、サービス利用率記憶部３０９、サービス特徴算出部３１０、属性類似情報記憶部３１１及びサービス特徴記憶部３１２に加えて、対象属性情報記憶部１６０１、サービス適性情報算出部１６０２、サービス適性情報記憶部１６０３及びレコメンドサービス算出部１６０４を具備する。また各部は、ＢＵＳ（バス）３１４等により接続される。

【0122】

対象属性情報記憶部１６０１は、利用者端末１０１から受信した情報及び入力情報記憶部３０７に記憶されている情報を基に、データアクセス部３０４が、ＤＢサーバ１０３の統計情報ＤＢ１０５から抽出した対象属性に関する統計情報の一部または全部を記憶するものである。

【0123】

なお、対象属性情報記憶部１６０１及び後述するサービス適性情報記憶部１６０３は、記憶するデータの大きさやフォーマット等に応じて、それぞれ異なる記憶方式を備えた複数の記憶部により構成されてもよい。

【0124】

また、対象属性情報記憶部１６０１及び後述するサービス適性情報記憶部１６０３に記憶されているデータと同等のデータの一部または全部は、インターネット等のネットワーク１０６に接続されたその他の複数のサーバにより提供されてもよい。

【0125】

サービス適性情報算出部１６０２は、サービス特徴記憶部３１２及び対象属性情報記憶部１６０１の情報を基に、対象属性における各サービスの適性（サービス適性情報）を算出し、サービス適性情報をサービス適性情報記憶部１６０３に登録する機能を有するプログラムである。

【0126】

サービス適性情報記憶部１６０３は、サービス適性情報算出部１６０２が算出した、サービス適性情報に関する情報の一部または全部を記憶するものである。

【0127】

レコメンドサービス算出部１６０４は、対象属性にレコメンドする候補となるサービスを、サービス適性情報記憶部１６０３の情報を基に算出し、利用者端末１０１に送信する機能を有するプログラムである。

【0128】

次に、図１７から図１９により、実施例２１で使用する各種データテーブルについて説明する。
＜対象属性統計情報データテーブル１７０１＞

【0129】

図１７は、対象属性統計情報データテーブル１７０１の内容例を示す図である。
対象属性統計情報データテーブル１７０１は、分析サーバ１０２の対象属性情報記憶部１６０１に格納され、対象属性カラム群１７０２、属性項目カラム１７０３、属性値カラム１７０４及び割合カラム１７０５により構成される。
対象属性カラム群１７０２は、利用者端末１０１から受信した対象属性における各属性項目のカラムから構成される。

【0130】

例えば、対象属性が、「年齢」が「４０－４９」かつ「１５歳未満の子の有無」が「有」の場合には、対象属性カラム群１７０２は、年齢カラム１７０６と１５歳未満の子の有無カラム１７０７の２種類の属性項目カラムにより構成される。対象属性カラム群１７０２を構成する各属性項目のカラムは、利用者端末１０１から受信した対象属性の情報に基づいて、属性項目カラムに対応する属性項目における属性値を一意に特定する情報が記憶される。

【0131】

属性項目カラム１７０３には、属性項目を一意に特定することが可能な情報が記憶される。
属性値カラム１７０４には、属性値を一意に特定することが可能な情報が記憶される。
割合カラム１７０５には、対象属性の内、属性項目カラム１７０３に記憶されている属性項目について、属性値カラム１７０４に記憶されている属性値を持つ人の割合に関する情報が記憶される。
＜対象属性時系列情報データテーブル１８０１＞

【0132】

図１８は、対象属性時系列情報データテーブル１８０１の内容例を示す図である。
対象属性時系列情報データテーブル１８０１は、分析サーバ１０２の対象属性情報記憶部１６０１に格納され、対象属性カラム群１８０２、属性項目カラム１８０３、属性値カラム１８０４及び時系列データカラム群１８０５により構成される。
対象属性カラム群１８０２は、対象属性統計情報データテーブル１７０１（図１７）の対象属性カラム群１７０２と同様に、利用者端末１０１から受信した対象属性における各属性項目のカラムから構成される。各属性項目のカラムは、カラムに対応する属性項目における属性値を一意に特定する情報が記憶される。

【0133】

属性項目カラム１８０３と属性値カラム１８０４はそれぞれ、対象属性統計情報データテーブル１７０１中の属性項目カラム１７０３と属性値カラム１７０４と同様に、属性項目を一意に特定する情報と属性値を一意に特定する情報が記憶される。

【0134】

時系列データカラム群１８０５は、過去の時系列カラムから構成され、各時系列カラムには、該当する時点において、対象属性の内、属性項目カラム１８０３に記憶されている属性項目について、属性値カラム１８０４に記憶されている属性値を持つ人の人数が記憶される。例えば、２０２１／１１時点を示すカラム１８０６には、２０２１年１１月時点で該当の条件を満たす人の人数が記憶される。
＜サービス適性情報データテーブル１９０１＞

【0135】

図１９は、サービス適性情報データテーブル１９０１の内容例を示す図である。
サービス適性情報データテーブル１９０１は、分析サーバ１０２のサービス適性情報記憶部１６０３に格納され、サービスカラム１９０２、合致度カラム１９０３、増加傾向度カラム１９０４、適性度カラム１９０５及びレコメンド優先順位カラム１９０６により構成される。

【0136】

サービスカラム１９０２は、サービスを一意に特定する情報が記憶される。
合致度カラム１９０３には、サービスカラム１９０２に記憶されているサービスについて、対象属性における合致度の値が記憶される。

【0137】

増加傾向度カラム１９０４には、サービスカラム１９０２に記憶されているサービスについて、対象属性における増加傾向度の値が記憶される。

【0138】

適性度カラム１９０５は、サービスカラム１９０２に記憶されているサービスについて、対象属性における適性度の値が記憶される。

【0139】

レコメンド優先順位カラム１９０６は、サービスカラム１９０２に記憶されているサービスについて、対象属性に対してレコメンドする優先順位の値が記憶される。

【0140】

図２０は、実施例２で、利用者端末１０１からの入力情報受付から、分析サーバ１０２による対象属性にレコメンドする候補となるサービスの情報の算出、利用者端末への出力表示までの一連のシーケンス２００１の一例を示す図である。なお、実施例１の説明と同様に、分析サーバ１０２とＤＢサーバ１０３間のやり取りは、省略している。
ステップ２００１（ｓ２００１）で、利用者端末１０１は、利用者からレコメンドする候補となるサービスを算出したい対象属性に関わる情報の入力を受け付け、入力情報を分析サーバ１０２に送信する。

【0141】

ステップ２００２（ｓ２００２）で、分析サーバ１０２は、利用者端末１０１から対象属性に関わる入力情報を受信し、受信した情報を分析サーバ１０２の入力情報記憶部３０７に登録する。

【0142】

ステップ２００３（ｓ２００３）で、分析サーバ１０２は、データアクセス部３０４によりＤＢサーバ１０３の利用実績ＤＢ１０４にアクセスし、利用実績データテーブル４０１（図４）が存在するサービスに関する情報を抽出し、抽出したサービスに関する情報を利用者端末１０１に送信する。なお、図２０では、サービスに関する情報をサービス情報として略記する。

【0143】

ステップ２００４（ｓ２００４）で、利用者端末１０１は、分析サーバ１０２から送信された情報を受信し、受信したサービスに関する情報（サービス情報）を出力する。

【0144】

ステップ２００５（ｓ２００５）で、利用者端末１０１は、利用者から、レコメンドする候補対象とするサービス（以下、候補対象サービスという）の選択に関わる入力を受け付け、この入力情報を分析サーバ１０２に送信する。

【0145】

ステップ２００６（ｓ２００６）で、分析サーバ１０２は、利用者端末１０１から候補対象サービスに関わる入力情報を受信し、受信した情報を分析サーバ１０２の入力情報記憶部３０７に登録する。

【0146】

ここで、利用者端末１０１の登録画面について説明する。
図２１は、利用者端末１０１が利用者に提示する、対象属性に関わる必要な情報やデータの入力受付のための登録画面２１０１の構成例を示す図である。
登録画面２１０１は、ウェブブラウザ等のウィンドウ上に表示され、対象属性入力エリア２１０２、送信ボタン２１０５及び候補対象サービス選択エリア２１０６が配置される。

【0147】

対象属性入力エリア２１０２には、対象属性項目入力エリア２１０３及びその対象属性項目の対象属性値入力エリア２１０４が配置される。利用者は、対象属性の属性項目及び属性値をそれぞれ、対象属性項目入力エリア２１０３及び対象属性値入力エリア２１０４に入力し、送信ボタン２１０５を押下する。このとき、対象属性が、「年齢」が「４０－４９」かつ「１５歳未満の子の有無」が「有」等、対象属性の属性項目が１つでない場合に対応して、複数の属性項目を入力することも可能である。送信ボタン２１０５の押下を受け付けた利用者端末１０１は、対象属性入力エリア２１０２に入力された対象属性の情報を分析サーバ１０２に送信する。

【0148】

候補対象サービス選択エリア２１０６には、候補対象サービス表示エリア２１０７、チェックボックス２１０８及び送信ボタン２１０９が配置される。ステップ２００４（ｓ２００４）で候補対象サービス選択エリア２１０６が表示されると、利用者は、ステップ２００３（ｓ２００３）で分析サーバ１０２から送信され、候補対象サービス表示エリア２１０７に表示されるサービスの情報を確認し、例えば候補対象サービスとするサービスのチェックボックス２１０８にチェックを入れて、候補対象サービスを選択する。候補対象サービスの選択後、送信ボタン２１０９の押下を受け付けた利用者端末１０１は、候補対象サービス選択エリア２１０６に入力された情報を分析サーバ１０２に送信する。

【0149】

また、図２０に示すシーケンスに戻り、ステップ２００７（ｓ２００７）以降の処理フローについて説明する。
ステップ２００７（ｓ２００７）で、分析サーバ１０２は、データアクセス部３０４によりＤＢサーバ１０３の統計情報ＤＢ１０５にアクセスし、統計情報データテーブル５０１及び人数情報データテーブル５１１（図５）から対象属性に関わる情報を抽出し、対象属性情報記憶部１６０１中の対象属性統計情報データテーブル１７０１（図１７）及び対象属性時系列情報データテーブル１８０１（図１８）に記憶する。

【0150】

ステップ２００８（ｓ２００８）で、分析サーバ１０２は、ステップ２００６（ｓ２００６）で入力情報記憶部３０７に記憶されている候補対象サービスの中から未選択の候補対象サービスを１つ選択する。

【0151】

ステップ２００９（ｓ２００９）で、分析サーバ１０２は、データアクセス部３０４によりＤＢサーバ１０３の利用実績ＤＢ１０４にアクセスし、選択した候補対象サービスに関わる利用実績の情報を抽出する。

【0152】

ステップ２０１０（ｓ２０１０）及びステップ２０１１（ｓ２０１１）では、分析サーバ１０２は、選択した候補対象サービスについて、先の実施例１で説明した、ステップ１０１２（ｓ１０１２）のサービスの利用率の算出処理及びステップ１０１３（ｓ１０１３）のサービスの特徴の算出処理を実施する。

【0153】

なお、実施例１と同様に、ステップ２０１０（ｓ２０１０）とステップ２０１１（ｓ２０１１）の処理を、利用実績ＤＢ１０４の利用実績データテーブル４０１（図４）が存在するすべてのサービスに対して定期的に実施し、その結果をサービス特徴記憶部３１２のサービス利用特徴情報データテーブル８０１（図８）に記憶し更新する。これにより、ステップ２０１０（ｓ２０１０）とステップ２０１１（ｓ２０１１）を省略し、定期的に更新されるサービス利用特徴情報データテーブル８０１の内容を基に、以降のステップを実施してもよい。

【0154】

ステップ２０１２（ｓ２０１２）で、分析サーバ１０２は、対象属性情報記憶部１６０１とサービス特徴記憶部３１２の情報を基に、選択した候補対象サービスについて、対象属性に対する適性に関わる情報（適性情報）を算出する。

【0155】

ステップ２０１２（ｓ２０１２）を実施する方法として、２つの分析手法（分析１及び分析２）について説明する。
先ず、分析１の手法は、対象属性における候補属性項目の分布と、選択している候補対象サービスの「サービスの利用に与える影響の分布」との類似度の観点から、対象属性における、選択した候補対象サービスの合致度を、適性情報として算出する。

【0156】

図２２は、この分析１として、対象属性における、選択した候補対象サービスの合致度を算出するステップの処理フローを示す図である。以下では、分析サーバ１０２が各ステップの処理主体であるので、主体の記載を省略する。
ステップ２２０１（ｆ２２０１）では、サービス特徴記憶部３１２に記憶されているサービス利用特徴情報データテーブル８０１（図８）から、選択している候補対象サービスの「サービスの利用に関わる属性項目」（属性項目カラム８０３）を抽出し、その中からこの処理フローにおいて未選択のものを１つ選択する。

【0157】

ステップ２２０２（ｆ２２０２）では、ステップ２２０１（ｆ２２０１）で選択した「サービスの利用に関わる属性項目」について、対象属性情報記憶部１６０１の対象属性統計情報データテーブル１７０１（図１７）の情報及びサービス特徴記憶部３１２のサービス利用影響分布データテーブル９０１（図９）の情報を基に、対象属性における統計情報データの分布と「サービスの利用に与える影響の分布」との類似度を算出し、サービス適性情報記憶部１６０３に記憶する。

【0158】

例えば、「サービスの利用に関わる属性項目」が「住む地域」で、対応する属性値が「Ａ地域」、「Ｂ地域」、「Ｃ地域」及び「Ｄ地域」の４種類のとき、図１７に示す対象属性統計情報データテーブル１７０１によると、対象属性（図１７に示す対象属性カラム群１７０２の、年齢カラム１７０６が「４０－４９」かつ１５歳未満の子の有無カラム１７０７」が「有」の場合）における統計情報データの分布は、（０．３６，０．１９，０．３８，０．０７）と表現され、一方で、図９に示すサービス利用影響分布データテーブル９０１によると、「サービスの利用に与える影響の分布」は、（０．２１，０．１８，０．４２，０．１９）と表現される。そこで、実施例１のステップ１３０３（ｆ１３０３）と同様に、この２つのベクトルの類似度を算出する。

【0159】

ステップ２２０３（ｆ２２０３）では、選択した候補対象サービスにおける、すべての「サービスの利用に関わる属性項目」について選択したか否かを判定し、「Ｙｅｓ」であれば、ステップ２２０４（ｆ２２０４）に進み、「Ｎｏ」であれば、ステップ２２０１（ｆ２２０１）に戻る。

【0160】

ステップ２２０４（ｆ２２０４）では、対象属性における、選択した候補対象サービスの合致度を算出し、サービス適性情報記憶部１６０３に記憶する。具体的には、ステップ２２０２（ｆ２２０２）で算出した、選択した候補対象サービスにおけるすべての「サービスの利用に関わる属性項目」における類似度の平均値を、選択した候補対象サービスの合致度として算出する。
以上の分析１によれば、利用者が、対象属性として選択した属性項目以外の属性項目の観点も踏まえて、対象属性における各サービスの適性を算出できる。

【0161】

次に、分析２の手法は、対象属性における、選択した候補対象サービスの「サービスの利用に影響を与える属性値」を持つ人数の増加傾向の観点から、対象属性における、選択した候補対象サービスの増加傾向度を、適性情報として算出する。
図２３は、この分析２として、対象属性における、選択した候補対象サービスの増加傾向度を算出するステップの処理フローを示す図である。以下では、分析サーバ１０２が各ステップの処理主体であるので、主体の記載を省略する。

【0162】

ステップ２３０１（ｆ２３０１）では、サービス特徴記憶部３１２に記憶されているサービス利用特徴情報データテーブル８０１（図８）から、選択している候補対象サービスの「サービスの利用に影響を与える属性値」（属性値カラム８０４）を抽出し、その中からこの処理フローにおいて未選択のものを１つ選択する。

【0163】

ステップ２３０２（ｆ２３０２）では、対象属性情報記憶部１６０１に記憶されている対象属性時系列情報データテーブル１８０１（図１８）から、対象属性における、ステップ２３０１（ｆ２３０１）で選択した「サービスの利用に影響を与える属性値」に関する時系列データを抽出する。

【0164】

ステップ２３０３（ｆ２３０３）では、ステップ２３０２（ｆ２３０２）で抽出した時系列データについて、周期を検出できるか検証する。周期を検出する方法としては、例えば自己相関関数を利用する方法等がある。周期が検出できれば（Ｙｅｓ）、ステップ２３０４（ｆ２３０４）に進み、周期を検出できなければ（Ｎｏ）、ステップ２３０５（ｆ２３０５）に進む。

【0165】

ステップ２３０４（ｆ２３０４）では、検出した周期だけ現在から遡った時期の変化傾向を基に、増加周期度を算出する。具体的には、時系列データにおける時系列の刻み（刻み単位）が「月」だった場合、検出した周期だけ現在から遡った時期（ｎ月）の変化傾向を算出する方法がある。例えば、階差を利用し、ｎ月の１か月後の月（（ｎ＋１）月）の人数からｎ月の人数を引いた差分と、ｎ月の２か月後の月（（ｎ＋２）月）の人数から（ｎ＋１）月の人数を引いた差分とをとり、両者が正であれば、周期的な増加傾向時期と考えて増加周期度を１とし、どちらか一方が負であれば、増加周期度を０としてもよい。また、ピーク時期を検出し、現在が最大ピークに近づいている時期であるか否かを判定し、その判定結果に基づいて増加周期度を算出してもよい。

【0166】

ステップ２３０５（ｆ２３０５）では、周期を検出できない場合として、増加周期度を０とする。

【0167】

ステップ２３０６（ｆ２３０６）では、直近の期間における、刻み単位ごとの増加人数の平均値を基に、直近増加度を算出する。ここで、直近増加度は、増加人数の平均値が正である場合には、一番最近の該当する属性値を持つ人の人数に対する平均値の割合となり、増加人数の平均値が負である場合には、０となる。例えば、刻み単位が「月」である場合、直近ｍか月について各月ごとに増加人数を算出し、算出値の平均値をとる。その際、平均値を算出する直近の期間（ｍか月）は、あらかじめ固定で設定してもよいし、利用者が設定してもよい。

【0168】

ステップ２３０７（ｆ２３０７）では、ステップ２３０４（ｆ２３０４）またはステップ２３０５（ｆ２３０５）で算出した増加周期度と、ステップ２３０６（ｆ２３０６）で算出した直近増加度との平均値を算出し、選択した「サービスの利用に影響を与える属性値」の増加傾向度とする。

【0169】

ステップ２３０８（ｆ２３０８）では、該当の候補対象サービスにおいて、すべての「サービスの利用に影響を与える属性値」について選択したか否かを判定し、「Ｙｅｓ」であれば、ステップ２３０９（ｆ２３０９）に進み、「Ｎｏ」であれば、ステップ２３０１（ｆ２３０１）に戻る。

【0170】

ステップ２３０９（ｆ２３０９）では、対象属性における、選択した候補対象サービスの増加傾向度を算出し、サービス適性情報記憶部１６０３に記憶する。具体的には、選択した候補対象サービスにおいて、ステップ２３０７（ｆ２３０７）で算出した、すべての「サービスの利用に影響を与える属性値」における増加傾向度の平均値を、該当の候補対象サービスの増加傾向度として算出する。
以上の分析２によれば、対象属性の時系列の特徴を踏まえて、対象属性における各サービスの適性を算出できる。

【0171】

以上のように、ステップ２０１２（ｓ２０１２）を実現する方法として、上述した分析１または分析２のどちらかを用いてもよい、あるいは、両者の組合せでもよい。また、サービス利用率データテーブル６０１（図６）を利用し、各候補対象サービスにおける、対象属性のうちＵｓｅｒカラム群に含まれている属性の利用率を、対象属性における各サービスの適性に関わる情報として用いる方法、あるいは、その方法と、分析１または分析２を組み合わせてもよい。ステップ２０１２（ｓ２０１２）を実現する選択した分析手法に基づいて得られた適性の値、すなわち、分析１を選択すれば合致度の値、分析２を選択すれば増加傾向度の値、から適性度の値を決定する。

【0172】

再び、図２０に示すシーケンスに戻り、ステップ２０１３（ｓ２０１３）以降の処理フローについて説明する。
ステップ２０１３（ｓ２０１３）で、分析サーバ１０２は、すべての候補対象サービスについて選択したか否かを判定し、「Ｙｅｓ」であればステップ２０１４（ｓ２０１４）に進み、「Ｎｏ」であればステップ２００８（ｓ２００８）に戻る。

【0173】

ステップ２０１４（ｓ２０１４）で、分析サーバ１０２は、すべての候補対象サービスについて、サービスの適性情報を算出した後、サービス適性情報データテーブル１９０１（図１９）の内容を基に、各候補対象サービスにレコメンド優先順位をつける。

【0174】

ステップ２０１５（ｓ２０１５）で、分析サーバ１０２は、各候補対象サービスについて算出した、適性度の値及びレコメンド優先順位の情報（図２０では、サービス情報と略記する）を、利用者端末１０１に送信する。

【0175】

ステップ２０１６（ｓ２０１６）で、利用者端末１０１は、分析サーバ１０２から各候補対象サービスの情報を受信し、この情報から、適性度の値がとる範囲として適性度の最小値及び最大値を出力し、利用者から適性度の閾値の入力を受け付ける。

【0176】

ステップ２０１７（ｓ２０１７）で、利用者端末１０１は、入力を受け付けた適性度の閾値の値よりも適性度の値が大きいサービスを、対象属性にレコメンドする候補となるサービスとして、該当するサービスの適性度とレコメンド優先順位の情報を出力し、利用者に提示する。

【0177】

次に、利用者端末１０１の結果画面について説明する。
図２４は、実施例２において、対象属性に対してレコメンドする候補となるサービスに関する情報を提示する結果画面２４０１の構成例を示す図である。
結果画面２４０１は、ウェブブラウザ等のウィンドウ上に表示され、対象属性表示エリア２４０２、閾値確認エリア２４０３及びレコメンドサービス確認エリア２４０７が配置される。

【0178】

対象属性表示エリア２４０２には、利用者がステップ２００１（ｓ２００１）で入力した対象属性の情報が表示される。
閾値確認エリア２４０３には、適性度範囲表示エリア２４０４、閾値入力エリア２４０５及び設定ボタン２４０６が配置される。

【0179】

利用者端末１０１の利用者は、候補対象サービスがとる適性度の値の範囲を、適性度範囲表示エリア２４０４に表示された値から確認し、閾値入力エリア２４０５に適性度の閾値を入力する。その後、設定ボタン２４０６が押下されると、利用者端末１０１は、候補対象サービスの内、適性度が閾値入力エリア２４０５に入力された値より大きいサービスに関する情報を、レコメンドサービス確認エリア２４０７に出力する。

【0180】

レコメンドサービス確認エリア２４０７には、レコメンドする候補となる各サービスについて、レコメンド優先順位の値、サービスの名前及びサービスの適性度を表示する。すなわち、利用者に対して、効果的に、レコメンドする候補となるサービスに関する情報が提示される。

【0181】

実施例２は、自治体が持つ住民の統計データと、複数のサービス提供事業者がそれぞれに持つ、各サービスを利用した個人を特定できない形の利用実績データとを組み合わせて分析することで、利用実績に含まれていない属性情報以外の観点からも、対象属性に対してレコメンドする候補となるサービスの分析を可能とする。これにより、住民ごとに利用したサービスを把握しなくても、住民への効果的なレコメンドにつながるという効果がある。

【0182】

なお、本発明は、上記した実施例１及び２に限定されるものではない。必ずしも説明したすべての構成を備えるものに限定されるものではなく、また、１つの実施例の構成の一部を他の実施例の構成に置き換えることや、１つの実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除または置換をすることも可能である。