ホーム > 特許ランキング > ＬＩＮＥヤフー株式会社
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024173215
(43)【公開日】2024-12-12
(54)【発明の名称】情報処理装置、情報処理方法、及び情報処理プログラム
(51)【国際特許分類】
G06Q 30/0207 20230101AFI20241205BHJP
G06Q 30/0211 20230101ALI20241205BHJP
【ＦＩ】
G06Q30/0207 350
G06Q30/0211
【審査請求】未請求
【請求項の数】5
【出願形態】ＯＬ
(21)【出願番号】P 2023091474
(22)【出願日】2023-06-02
(71)【出願人】
【識別番号】500257300
【氏名又は名称】ＬＩＮＥヤフー株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】土岐 佳輝
(72)【発明者】
【氏名】政廣 蓮
(72)【発明者】
【氏名】鈴木 洋太朗
【テーマコード（参考）】
5L030
5L049
【Ｆターム（参考）】
5L030BB07
5L049BB07
(57)【要約】
【課題】介入の配信による効果や費用、もしくはその両方を考慮して、介入を配信することができる情報処理装置、情報処理方法、及び情報処理プログラムを提供すること。
【解決手段】本開示に係る情報処理装置は、利用者端末から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得する取得部と、利用者が所定の行動を実行する確率を予測する予測部と、介入の配信対象を決定する根拠となる指標を算出する算出部と、前記指標に基づいて、介入を配信する利用者を決定する決定部と、を備える。
【選択図】図３
【解決手段】本開示に係る情報処理装置は、利用者端末から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得する取得部と、利用者が所定の行動を実行する確率を予測する予測部と、介入の配信対象を決定する根拠となる指標を算出する算出部と、前記指標に基づいて、介入を配信する利用者を決定する決定部と、を備える。
【選択図】図３
【特許請求の範囲】
【請求項1】
利用者端末から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得する取得部と、
利用者が所定の行動を実行する確率を予測する予測部と、
介入の配信対象を決定する根拠となる指標を算出する算出部と、
前記指標に基づいて、介入を配信する利用者を決定する決定部と、
を備える、情報処理装置。
利用者が所定の行動を実行する確率を予測する予測部と、
介入の配信対象を決定する根拠となる指標を算出する算出部と、
前記指標に基づいて、介入を配信する利用者を決定する決定部と、
を備える、情報処理装置。
【請求項2】
前記算出部は、前記指標として、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分を示す第一スコアを算出し、
前記決定部は、前記第一スコアが第一閾値以上の利用者を介入の配信対象として決定する、
請求項１に記載の情報処理装置。
前記決定部は、前記第一スコアが第一閾値以上の利用者を介入の配信対象として決定する、
請求項１に記載の情報処理装置。
【請求項3】
前記算出部は、前記指標として、利用者ごとに介入を配信した場合の一回の所定の行動を実行の獲得に要する費用の増分を示す第二スコアを算出し、
前記決定部は、前記第二スコアが第二閾値以下の利用者を介入の配信対象として決定する、
請求項１に記載の情報処理装置。
前記決定部は、前記第二スコアが第二閾値以下の利用者を介入の配信対象として決定する、
請求項１に記載の情報処理装置。
【請求項4】
利用者端末から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得するステップと、
利用者が所定の行動を実行する確率を予測するステップと、
介入の配信対象を決定する根拠となる指標を算出するステップと、
前記指標に基づいて、介入を配信する利用者を決定するステップと、
を含む、情報処理方法。
利用者が所定の行動を実行する確率を予測するステップと、
介入の配信対象を決定する根拠となる指標を算出するステップと、
前記指標に基づいて、介入を配信する利用者を決定するステップと、
を含む、情報処理方法。
【請求項5】
利用者端末から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得するステップと、
利用者が所定の行動を実行する確率を予測するステップと、
介入の配信対象を決定する根拠となる指標を算出するステップと、
前記指標に基づいて、介入を配信する利用者を決定するステップと、
をコンピュータに実行させる、情報処理プログラム。
利用者が所定の行動を実行する確率を予測するステップと、
介入の配信対象を決定する根拠となる指標を算出するステップと、
前記指標に基づいて、介入を配信する利用者を決定するステップと、
をコンピュータに実行させる、情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。
【背景技術】
【0002】
利用者の購入意欲の促進や、利用者に対して情報サービスなどを周知させるために、クーポンを配信することが行われていた。例えば、現実の店舗や、インターネットにおける電子商取引サービスにおいて、利用者が使用可能なクーポンを配信することで、電子商取引サービスの売り上げ向上を図ることが行われていた。
【0003】
例えば、下記の特許文献１には、店舗訪問者だけにクーポンを配信するとともに、店舗訪問者の滞在時間が長くなるように誘導を図り、設置に係る費用を抑制できるクーポン配信システムが開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１６－９９８０１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、上記の特許文献１に記載のクーポン配信システムは、利用者が現実の店舗を訪れた際に、非接触充電器を用いて充電した際に、クーポンを配信することができるものの、クーポンの配信による効果や費用、もしくはその両方を考慮して、クーポンを配信することはできなかった。
【0006】
本開示は上記課題を鑑み、介入の配信による効果や費用、もしくはその両方を考慮して、介入を配信することができる情報処理装置、情報処理方法、及び情報処理プログラム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】
上述した課題を解決し、目的を達成するために、本開示に係る情報処理装置は、利用者端末から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得する取得部と、利用者が所定の行動を実行する確率を予測する予測部と、介入の配信対象を決定する根拠となる指標を算出する算出部と、前記指標に基づいて、介入を配信する利用者を決定する決定部と、を備える。
【発明の効果】
【0008】
本開示によれば、介入の配信による効果や費用、もしくはその両方を考慮して、介入を配信することができる情報処理装置、情報処理方法、及び情報処理プログラムを提供することができる。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
以下に、本開示に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本開示に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。
【0011】
（実施形態）
〔１．実施形態に係る情報処理〕
〔１－１．実施形態に係る情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１では、実施形態に係る情報処理が情報処理装置１００、利用者端末２００により実行される例を示す。以下、実施形態に係る情報処理についてステップごとに順を追って説明する。
〔１．実施形態に係る情報処理〕
〔１－１．実施形態に係る情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１では、実施形態に係る情報処理が情報処理装置１００、利用者端末２００により実行される例を示す。以下、実施形態に係る情報処理についてステップごとに順を追って説明する。
【0012】
まず、情報処理装置１００は、利用者端末２００に介入を配信する（ステップＳ１）。ここで、介入とは、利用者に対する情報サービスの運営者の関与を指しており、クーポンや、通知の送信、レコメンドロジックの適用などであってよい。具体的な例を挙げて説明すると、例えば、情報処理装置１００は、電子商取引サービスにおいて、商品の価格が所定の割合だけ割引になるクーポンを利用者端末２００に配信する。クーポンは、例えば、コード番号によって表されるタイプや、ＱＲコード（登録商標）によって表されるタイプ、クーポンを使用可能なＷＥＢサイトへのリンクなどによって実現されてよい。また、情報処理装置１００は、クーポンを利用者端末２００に電子メールによって配信してもよいし、所定のＷＥＢサイトにアクセスした利用者端末２００に、所定のＷＥＢサイト上にクーポンを表示させることによってクーポンを配信してもよい。
【0013】
次に、情報処理装置１００は、利用者端末２００から利用者情報と行動情報を取得する（ステップＳ２）。ここで、利用者情報は、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する利用者に関する情報である。また、行動情報は、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。例えば、図１に示すように、情報処理装置１００は、利用者Ｕ１からＵ６の利用者端末２００Ａから２００Ｆから、利用者情報と行動情報を取得する。なお、図１に示す利用者Ｕ１からＵ６、及び利用者端末２００Ａから２００Ｆは例示であって、情報処理装置１００は、これ以上の数の利用者の利用者端末２００から利用者情報と行動情報を取得してよい。
【0014】
次に、情報処理装置１００は、利用者情報と行動情報に基づいて、利用者ごとに予測ＣＶＲを予測する（ステップＳ３）。ここで、予測ＣＶＲ（Ｃｏｎｖｅｒｓｉｏｎ Ｒａｔｅ）とは、利用者が所定の行動を実行する確率のことを指している。また、所定の行動とは、情報サービスにおける任意の行動であってよく、例えば、電子商取引サービスにおける商品の購入、特定のＷＥＢサイトへの訪問などであってよい。具体的な例を挙げて説明すると、例えば、情報処理装置１００は、利用者の行動情報に基づいて、行動情報と予測ＣＶＲとの関係を学習させた決定木モデルを用いて、利用者ごとに行動情報に基づいて、予測ＣＶＲを予測してよい。具体的には、説明変数を、クーポンの使用の有無や、直近の購入日からの経過日数、直近の１年間の購入回数、電子商取引サービスにおける商品のウォッチリストへの登録からの日数などとしてよい。また、これらの説明変数を分割する水準は、購買情報に基づいた学習によって自動で計算されたものが用いられてよい。なお、ステップＳ３においては、情報処理装置１００は、予測ＣＶＲを利用者ごとに、介入の配信の有無のそれぞれの場合について算出する。また、予測ＣＶＲの予測には、行動情報と予測ＣＶＲとの関係を学習させたＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いてもよい。
【0015】
なお、ここで、行動情報と予測ＣＶＲとの関係を学習させた決定木モデルについて図２を用いて説明する。図２は、行動情報と予測ＣＶＲの関係を学習させた決定木モデルの一例を示す図である。図２に示すように、決定木モデルは、説明変数として、「直近の購入日からの経過日数」や、「直近のウォッチリストへの登録からの経過日数」、「直近の１年の購入回数」などを選択してよい。そして、例えば、ＬｉｇｈｔＧＢＭ（Ｌｉｇｈｔ Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ Ｍａｃｈｉｎｅ）などのモデルを用いて、行動情報と予測ＣＶＲの関係を学習させることにより、予測ＣＶＲを分類する説明変数の水準を決定してよい。図２においては、説明変数としての「直近の購入日からの経過日数」が、３０日以内であるか、３１日以上であるかということが、予測ＣＶＲを８０％か、１０％かに分ける水準となっている。また、説明変数としての「直近のウォッチリストへの登録からの経過日数」が７日以内であるか、８日以上であるかということが、予測ＣＶＲを８７．５％か、５０％かに分ける水準となっている。また、説明変数としての「直近の１年の購入回数」が６個以内であるか、５個以下であるかということが、予測ＣＶＲを２５％か、６．２５％かに分ける水準となっている。このように、行動情報に含まれる任意の情報を説明変数として選択して、予測ＣＶＲとの関係を決定木モデルに学習させてよい。
【0016】
次に、情報処理装置１００は、利用者ごとに、アドオンＣＶＲと、アドオンＣＰＡを算出する（ステップＳ４）。なお、以下の説明は、介入は、クーポンなどに読み替えることができる。図３を用いて、ステップＳ４に係る処理について説明する。図３は、実施形態に係る情報処理における指標の算出例を示す図である。図３には、利用者Ｕ１の介入の配信ありの場合と、介入の配信なしの場合について、予測ＣＶＲと、アドオンＣＶＲと、利用時の平均費用と、アドオンコストと、アドオンＣＰＡ（Ｃｏｓｔ ｐｅｒ Ａｃｑｕｉｓｉｔｉｏｎ）が表形式によって示されている。アドオンＣＶＲとは、介入の配信によって利用者が所定の行動を実行する確率の増分を指している。ここで、所定の行動とは、情報サービスにおける任意の行動であってよく、例えば、電子商取引サービスにおける商品の購入などであってよい。また、利用時の平均費用とは、情報サービスを運営する事業者が負担する費用の平均を指している。なお、利用時の平均費用は、情報サービスとしての電子商取引サービスがオークションの場合であれば、落札確率に落札時の平均費用を掛けることや、クーポンの利用確率にクーポン利用時の平均費用を掛けること、費用を学習して直接に予測することなどによって求めることができる。また、アドオンＣＰＡとは、１回の所定の行動を獲得するために追加で費やすと予測される費用のことを指している。すなわち、情報処理装置１００は、ステップＳ３において算出された介入の配信の有無ごとに算出された予測ＣＶＲに基づいて、介入の配信ありの予測ＣＶＲから介入の配信なしの予測ＣＶＲを差し引くことによって、アドオンＣＶＲを算出する。
【0017】
次に、情報処理装置１００は、利用者Ｕ１について、介入の配信ありの場合と、介入の配信なしの場合の平均費用を算出する。例えば、図３においては、利用者Ｕ１の利用時の平均費用が、介入の配信ありの場合は、２，０００円であり、介入の配信なしの場合は、１，０００円であると算出されたことが示されている。次に、情報処理装置１００は、介入の配信ありの場合の予測費用と、介入の配信なしの場合の予測費用を算出する。具体的には、介入の配信ありの場合の平均費用に対して、介入の配信ありの場合の予測ＣＶＲを掛けて、介入の配信ありの場合の予測費用を算出する。また、介入の配信なしの場合の平均費用に対して、介入の配信なしの場合の予測ＣＶＲを掛けて、介入の配信なしの場合の予測費用を算出する。図３においては、利用者Ｕ１の介入の配信ありの場合の予測費用が６００円、介入の配信なしの場合の予測費用が２００円と算出されたことが示されている。
【0018】
次に、情報処理装置１００は、アドオンコストを算出する。アドオンコストとは、介入の配信によって追加で掛かる費用のことを指している。具体的には、情報処理装置１００は、介入の配信ありの場合の予測費用から、介入の配信なしの場合の予測費用を差し引くことにより、アドオンコストを算出する。
【0019】
そして、情報処理装置１００は、アドオンＣＶＲと、アドオンコストに基づいて、アドオンＣＰＡを算出する。具体的には、情報処理装置１００は、アドオンコストを、アドオンＣＶＲによって割ることにより、アドオンＣＰＡを算出する。図３においては、利用者Ｕ１のアドオンＣＰＡが４，０００円／ＣＶと算出されたことが示されている。なお、図３においては、利用者Ｕ１のアドオンＣＶＲと、アドオンＣＰＡが算出された例が示されているが、情報処理装置１００は、他の利用者についても、利用者ごとにアドオンＣＶＲと、アドオンＣＰＡを算出する。
【0020】
次に、情報処理装置１００は、アドオンＣＶＲと、アドオンＣＰＡのうち少なくとも一つに基づいて、介入の配信対象となる利用者を決定する（ステップＳ５）。例えば、情報処理装置１００は、アドオンＣＶＲが所定の閾値を超える利用者を介入の配信対象として決定する。また、情報処理装置１００は、アドオンＣＰＡが所定の閾値以下の利用者を介入の配信対象として決定してもよい。なお、図１においては、アドオンＣＰＡが２，０００円／ＣＶである利用者Ｕ４、Ｕ５、及びＵ６が配信対象として決定されたことが示されている。
【0021】
次に、情報処理装置１００は、配信対象に決定された利用者の利用者端末２００に介入を配信する（ステップＳ６）。例えば、上述したように、ステップＳ５において、利用者Ｕ４、Ｕ５、及びＵ６が配信対象として決定された場合であれば、情報処理装置１００は、利用者Ｕ４、Ｕ５、及びＵ６の利用者端末２００Ｄ、２００Ｅ、及び２００Ｆにクーポンを配信する。具体的な例を挙げて説明すると、例えば、情報処理装置１００は、クーポンを利用者端末２００に電子メールによって配信してもよいし、所定のＷＥＢサイトにアクセスした利用者端末２００に、所定のＷＥＢサイト上にクーポンを表示させることによってクーポンを配信してもよい。
【0022】
これによれば、利用者ごとに介入を配信した場合の購入などの行動を実行する確率の増分を計算し、さらに介入の配信によるコストを計算したうえで、介入の配信による効果や費用、もしくはその両方を考慮して、介入の配信対象を決定し、介入を配信することができる。そのため、介入の配信による効果や費用、もしくはその両方を考慮して、介入を配信することができる情報処理装置１００を提供することができる。
【0023】
〔１－２．実施形態に係る情報処理の他の例〕
情報処理装置１００は、指標として、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分を示す第一スコアを算出し、第一スコアが第一閾値以上の利用者を介入の配信対象として決定する。
情報処理装置１００は、指標として、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分を示す第一スコアを算出し、第一スコアが第一閾値以上の利用者を介入の配信対象として決定する。
【0024】
この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１からＳ３と同じ処理を実行する。ステップＳ１からＳ３は、上述した処理と同じであるから説明を省略する。
【0025】
次に、情報処理装置１００は、指標として、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分を示す第一スコアを算出する（ステップＳ４－１）。ここで、第一スコアとは、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分であり、上述したアドオンＣＶＲであるともいえる。具体的な例を挙げて説明すると、例えば、情報処理装置１００は、ステップＳ３において利用者ごとにクーポンの使用の有無のそれぞれについて算出された予測ＣＶＲに基づいて、クーポンありの予測ＣＶＲからクーポンなしの予測ＣＶＲを差し引くことによって、アドオンＣＶＲを算出する。
【0026】
次に、情報処理装置１００は、第一スコアが第一閾値以上の利用者を介入の配信対象として決定する（ステップＳ５－１）。例えば、情報処理装置１００は、第一スコア、言い換えるとアドオンＣＶＲが１５％以上の利用者を介入の配信対象として決定してよい。このような介入の配信対象の決定について、図４を用いて説明する。図４は、実施形態に係る情報処理における配信対象の決定例を示す図である。図４においては、利用者Ｕ２のアドオンＣＶＲが１５％以上であることから、利用者Ｕ２が介入の配信対象として決定される。
【0027】
次に、情報処理装置１００は、図１に示したステップＳ６と同じ処理を実行する。ステップＳ６は、上述した処理と同じであるから説明を省略する。
【0028】
これによれば、介入を配信した場合に所定の行動を実行する確率の増分が第一閾値以上の利用者を介入の配信対象として決定し、決定された利用者に介入を配信することができる。
【0029】
〔１－３．実施形態に係る情報処理の他の例〕
情報処理装置１００は、指標として、利用者ごとに介入を配信した場合の一回の所定の行動を実行の獲得に要する費用の増分を示す第二スコアを算出し、第二スコアが第二閾値以下の利用者を介入の配信対象として決定する。
情報処理装置１００は、指標として、利用者ごとに介入を配信した場合の一回の所定の行動を実行の獲得に要する費用の増分を示す第二スコアを算出し、第二スコアが第二閾値以下の利用者を介入の配信対象として決定する。
【0030】
この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１からＳ３と同じ処理を実行する。ステップＳ１からＳ３は、上述した処理と同じであるから説明を省略する。
【0031】
次に、情報処理装置１００は、指標として、利用者ごとに介入を配信した場合の一回の所定の行動を実行の獲得に要する費用の増分を示す第二スコアを算出する（ステップＳ４－２）。ここで、第二スコアとは、利用者ごとに介入を配信した場合の一回の所定の行動を実行の獲得に要する費用の増分であり、上述したアドオンＣＰＡであるともいえる。まず、情報処理装置１００は、アドオンコストを算出する。アドオンコストとは、介入の配信によって追加で掛かる費用のことを指している。具体的には、情報処理装置１００は、介入の配信ありの場合の予測費用から、介入の配信なしの場合の予測費用を差し引くことにより、アドオンコストを算出する。そして、情報処理装置１００は、アドオンＣＶＲと、アドオンコストに基づいて、アドオンＣＰＡを算出する。具体的には、情報処理装置１００は、アドオンコストを、アドオンＣＶＲによって割ることにより、アドオンＣＰＡを算出する。
【0032】
次に、情報処理装置１００は、第二スコアが第二閾値以下の利用者を介入の配信対象として決定する（ステップＳ５－２）。例えば、情報処理装置１００は、第二スコア、言い換えるとアドオンＣＰＡが４，０００円／ＣＶ以下の利用者を介入の配信対象として決定してよい。このような介入の配信対象の決定について、図４を用いて説明すると、図４においては、利用者Ｕ１のアドオンＣＰＡが４，０００円／ＣＶ、利用者Ｕ２のアドオンＣＰＡが３，０００円／ＣＶであることから、利用者Ｕ１、Ｕ２が介入の配信対象として決定される。
【0033】
次に、情報処理装置１００は、図１に示したステップＳ６と同じ処理を実行する。ステップＳ６は、上述した処理と同じであるから説明を省略する。
【0034】
これによれば、介入を配信した場合に利用者の一回の所定の行動の実行の獲得に要する費用の増分が第二閾値以下の利用者を介入の配信対象として決定し、決定された利用者に介入を配信することができる。
【0035】
〔２．情報処理システムの構成〕
次に、図５を用いて実施形態に係る情報処理システムの構成について説明する。図５は、実施形態に係る情報処理システムの構成例を示す図である。図５に示すように、実施形態に係る情報処理システム１は、情報処理装置１００と、利用者端末２００と、ネットワークＮを有する。以下、これらの構成について簡単に順を追って説明する。
次に、図５を用いて実施形態に係る情報処理システムの構成について説明する。図５は、実施形態に係る情報処理システムの構成例を示す図である。図５に示すように、実施形態に係る情報処理システム１は、情報処理装置１００と、利用者端末２００と、ネットワークＮを有する。以下、これらの構成について簡単に順を追って説明する。
【0036】
情報処理装置１００は、例えばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ＷＳ（Ｗｏｒｋ Ｓｔａｔｉｏｎ）、サーバの機能を備えるコンピュータなどの情報処理装置であってよい。情報処理装置１００は、例えば、利用者端末２００からネットワークＮを介して送信されてきた情報に基づいて処理を行う。
【0037】
利用者端末２００は、利用者が利用する情報処理装置である。利用者端末２００は、例えば、スマートフォン、タブレット型端末、デスクトップ型ＰＣ、ノート型ＰＣ、携帯電話機、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）等の情報処理装置であってよい。なお、図１に示す例においては、利用者端末２００がスマートフォンである場合を示している。また、情報処理システム１は、複数の利用者端末２００を有してよい。
【0038】
ネットワークＮは、情報処理装置１００と、利用者端末２００を有線、又は無線により相互に通信可能に接続する。ネットワークＮが有線の場合は、ＩＥＥＥ８０２．３に規定されるイーサネット（登録商標）（ＥＴＨＥＲＮＥＴ（登録商標））により実現されてよい。また、ネットワークＮが無線の場合は、ＩＥＥＥ８０２．１１に規定される無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）により実現されてよい。
【0039】
〔３．情報処理装置の構成〕
次に、図６を用いて、情報処理装置１００の構成について説明する。
次に、図６を用いて、情報処理装置１００の構成について説明する。
【0040】
【0041】
（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）カード等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、利用者端末２００などとの間で情報の送受信を行う。
通信部１１０は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）カード等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、利用者端末２００などとの間で情報の送受信を行う。
【0042】
（記憶部１２０について）
記憶部１２０は、主記憶装置と外部記憶装置とを備える。主記憶装置は、制御部１３０が実行するプログラム、あるいは制御部１３０が処理するデータを記憶する。主記憶装置は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）等のような半導体メモリ素子によって実現されてよい。外部記憶装置は、制御部１３０が処理するデータを保存する。外部記憶装置は、例えば、ハードディスクやＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、磁気テープ、光ディスク等によって実現されてよい。
記憶部１２０は、主記憶装置と外部記憶装置とを備える。主記憶装置は、制御部１３０が実行するプログラム、あるいは制御部１３０が処理するデータを記憶する。主記憶装置は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）等のような半導体メモリ素子によって実現されてよい。外部記憶装置は、制御部１３０が処理するデータを保存する。外部記憶装置は、例えば、ハードディスクやＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、磁気テープ、光ディスク等によって実現されてよい。
【0043】
図６に示すように、記憶部１２０は、利用者情報記憶部１２１と、行動情報記憶部１２２と、モデル記憶部１２３と、介入記憶部１２４と、を有する。以下、これらの構成について順を追って説明する。
【0044】
（利用者情報記憶部１２１について）
利用者情報記憶部１２１は、利用者に関する情報、すなわち、利用者情報を記憶する。利用者情報は、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する利用者に関する情報である。ここで、図７を用いて、利用者情報記憶部１２１が記憶する情報の一例を説明する。図７は、実施形態に係る情報処理装置の利用者情報記憶部に記憶される情報の一例を示す図である。
利用者情報記憶部１２１は、利用者に関する情報、すなわち、利用者情報を記憶する。利用者情報は、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する利用者に関する情報である。ここで、図７を用いて、利用者情報記憶部１２１が記憶する情報の一例を説明する。図７は、実施形態に係る情報処理装置の利用者情報記憶部に記憶される情報の一例を示す図である。
【0045】
図７に示す例において、利用者情報記憶部１２１は、「利用者ＩＤ」、「生年月日」、「性別」、「職業」という項目に係る情報を紐付けて記憶する。
【0046】
「利用者ＩＤ」は、利用者を識別する識別子であり文字列や番号などによって表される。「生年月日」は、「利用者ＩＤ」に紐付けられた利用者の生年月日に関する情報である。「性別」は、「利用者ＩＤ」に紐付けられた利用者の性別に関する情報である。「職業」は、「利用者ＩＤ」に紐付けられた利用者の職業に関する情報である。
【0047】
すなわち、図７においては、利用者ＩＤ「ＵＩＤ＃１」により識別された利用者の生年月日が「生年月日＃Ｕ１」であり、性別が「女性」であり、職業が「職業＃Ｕ１」であることを示している。
【0048】
なお、利用者情報記憶部１２１に記憶される情報は、「利用者ＩＤ」、「生年月日」、「性別」、「職業」という項目に係る情報に限定されるものではなく、その他の任意の利用者に関係する情報が記憶されてよい。
【0049】
（行動情報記憶部１２２について）
行動情報記憶部１２２は、利用者の行動を示す情報、すなわち、行動情報を記憶する。なお、行動情報は、例えば、電子商取引サービスなど情報サービスの利用によって生じる利用者の情報サービスを用いた行動を示す情報である。ここで、図８を用いて、行動情報記憶部１２２が記憶する情報の一例を説明する。図８は、実施形態に係る情報処理装置の行動情報記憶部に記憶される情報の一例を示す図である。
行動情報記憶部１２２は、利用者の行動を示す情報、すなわち、行動情報を記憶する。なお、行動情報は、例えば、電子商取引サービスなど情報サービスの利用によって生じる利用者の情報サービスを用いた行動を示す情報である。ここで、図８を用いて、行動情報記憶部１２２が記憶する情報の一例を説明する。図８は、実施形態に係る情報処理装置の行動情報記憶部に記憶される情報の一例を示す図である。
【0050】
図８に示す例において、行動情報記憶部１２２は、「利用者ＩＤ」、「購入商品」、「金額」、「購入日時」、「ＷＥＢ行動情報」、「クーポン利用」という項目に係る情報を紐付けて記憶する。
【0051】
「利用者ＩＤ」は、利用者を識別する識別子であり文字列や番号などによって表される。「購入商品」は、「利用者ＩＤ」により識別される利用者が電子商取引サービスにおいて購入した商品に関する情報である。「金額」は、「利用者ＩＤ」により識別される利用者が購入した「購入商品」の金額を示す情報である。「購入日時」は、「利用者ＩＤ」により識別される利用者が「購入商品」を購入した日時を示す情報である。「ＷＥＢ行動情報」は、「利用者ＩＤ」により識別される利用者が「購入商品」に関してＷＥＢサイト上において実行した行動に関する情報であり、例えば、ウォッチリストへの登録などであってよい。「クーポン利用」は、「利用者ＩＤ」により識別される利用者が「購入商品」を購入したクーポンを利用したか否かに関する情報である。
【0052】
すなわち、図８においては、利用者ＩＤ「ＵＩＤ＃１」により識別される利用者の購入商品が「ＭＩＤ＃１」であり、当該の購入商品の金額が「ＰＲＣ＃１－１」であり、当該の購入商品の購入日時が「ＰＤＴ＃１－１」であり、当該の購入商品に関して利用者が行ったＷＥＢ行動情報が「ＡＣ＃１－１」であり、当該の購入商品に対してのクーポン利用が「無し」であることが一例として示されている。
【0053】
なお、行動情報記憶部１２２に記憶される情報は、「利用者ＩＤ」、「購入商品」、「金額」、「購入日時」、「ＷＥＢ行動情報」、「クーポン利用」という項目に係る情報に限定されるものではなく、その他の任意の利用者の行動に関係する情報が記憶されてよい。
【0054】
（モデル記憶部１２３について）
モデル記憶部１２３は、予測ＣＶＲを予測する機械学習モデルに関係する情報を記憶する。ここで、図９を用いて、モデル記憶部１２３が記憶する情報の一例を説明する。図９は、実施形態に係る情報処理装置のモデル記憶部に記憶される情報の一例を示す図である。
モデル記憶部１２３は、予測ＣＶＲを予測する機械学習モデルに関係する情報を記憶する。ここで、図９を用いて、モデル記憶部１２３が記憶する情報の一例を説明する。図９は、実施形態に係る情報処理装置のモデル記憶部に記憶される情報の一例を示す図である。
【0055】
図９に示す例において、モデル記憶部１２３は、「モデルＩＤ」、「モデルデータ」という項目に係る情報を紐付けて記憶する。
【0056】
「モデルＩＤ」は、機械学習モデルを識別する識別子であり文字列や番号などによって表される。「モデルデータ」は、機械学習モデルのモデルデータを示す。例えば、機械学習モデルは、決定木やニューラルネットワークなどであってよい。
【0057】
すなわち、図９において、モデルＩＤ「Ｍ＃１」で識別されるモデルは、機械学習モデルＭ＃１を示す。また、モデルデータ「ＭＤＴ＃１」は、機械学習モデルＭ＃１のモデルデータを示す。
【0058】
ここで、機械学習モデルが決定木である場合は、決定木の分岐点となる説明変数の内容や水準などが記憶される。機械学習モデルがニューラルネットワークである場合は、モデルデータ「ＭＤＴ＃１」には、例えば、ニューラルネットワークを構成する複数の層のそれぞれに含まれるノードが互いにどのように結合するかという結合情報や、結合されたノード間で入出力される数値に掛け合わされる結合係数などの各種情報が含まれる。
【0059】
なお、モデル記憶部１２３に記憶される情報は、「モデルＩＤ」、「モデルデータ」という項目に係る情報に限定されるものではなく、その他の任意の機械学習モデルに関係する情報が記憶されてよい。
【0060】
（介入記憶部１２４について）
介入記憶部１２４は、介入に関係する情報を記憶する。ここで、図１０を用いて、介入記憶部１２４が記憶する情報の一例を説明する。図１０は、実施形態に係る情報処理装置の介入記憶部に記憶される情報の一例を示す図である。
介入記憶部１２４は、介入に関係する情報を記憶する。ここで、図１０を用いて、介入記憶部１２４が記憶する情報の一例を説明する。図１０は、実施形態に係る情報処理装置の介入記憶部に記憶される情報の一例を示す図である。
【0061】
図１０に示す例において、介入記憶部１２４は、「介入ＩＤ」、「介入内容」という項目に係る情報を紐付けて記憶する。
【0062】
「介入ＩＤ」は、介入を識別する識別子であり文字列や番号などによって表される。「介入内容」は、「介入ＩＤ」により識別される介入の内容に関する情報であり、例えば、介入がクーポンである場合であれば、クーポンの対象となる商品や、割引率、クーポンを配信した場合の予測費用などの情報が含まれていてよい。前述したように、介入は、クーポンの他に、通知やリコメンドなどであってもよいく、その場合は、「介入内容」には、通知のメッセージや、リコメンドする商品に関する情報などが記憶される。
【0063】
すなわち、図１０においては、介入ＩＤ「ＣＰＩＤ＃１」により識別される介入の介入内容が「ＣＰＣＴ＃１」であるとして記憶されていることが示されている。
【0064】
なお、介入記憶部１２４に記憶される情報は、「介入ＩＤ」、「介入内容」という項目に係る情報に限定されるものではなく、その他の任意の介入に関係する情報が記憶されてよい。
【0065】
（制御部１３０について）
次に、図５に戻って、制御部１３０について説明する。制御部１３０は、情報処理装置１００を制御するコントローラ（Ｃｏｎｔｒｏｌｌｅｒ）であり、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって、情報処理装置１００の記憶部１２０に記憶されている各種プログラムを読み出して、ＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の集積回路により実現されてもよい。
次に、図５に戻って、制御部１３０について説明する。制御部１３０は、情報処理装置１００を制御するコントローラ（Ｃｏｎｔｒｏｌｌｅｒ）であり、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって、情報処理装置１００の記憶部１２０に記憶されている各種プログラムを読み出して、ＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の集積回路により実現されてもよい。
【0066】
制御部１３０は、図５に示すように、取得部１３１と、予測部１３２と、算出部１３３と、決定部１３４と、配信部１３５を有する。制御部１３０は、記憶部１２０からプログラムを読み出して、ＲＡＭを作業領域として実行することで、これらの機能を実現して、以下に説明する情報処理の機能や作用を実現または実行する。以下、これらの処理を、順を追って説明する。
【0067】
（取得部１３１について）
取得部１３１は、各種の情報を取得する。例えば、取得部１３１は、利用者端末２００から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得する。ここで、利用者情報は、利用者に関する情報であって、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する情報である。また、行動情報は、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。
取得部１３１は、各種の情報を取得する。例えば、取得部１３１は、利用者端末２００から利用者に関する情報を示す利用者情報と、利用者の所定の情報サービスにおける行動を示す行動情報を取得する。ここで、利用者情報は、利用者に関する情報であって、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する情報である。また、行動情報は、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。
【0068】
取得部１３１は、利用者情報を取得したら、取得した利用者情報を利用者ＩＤに対応付けて利用者情報記憶部１２１に記憶する。また、取得部１３１は、行動情報を取得したら、取得した行動情報を利用者ＩＤに対応付けて行動情報記憶部１２２に記憶する。
【0069】
（予測部１３２について）
予測部１３２は、利用者が所定の行動を実行する確率を予測する。なお、利用者が所定の行動を実行する確率は、予測ＣＶＲ（Ｃｏｎｖｅｒｓｉｏｎ Ｒａｔｅ）ということができる。また、所定の行動とは、情報サービスを用いた行動であってよく、例えば、電子商取引サービスにおける商品の購入であってよい。つまり、予測ＣＶＲは、利用者が所定の行動を実行する確率のことを指している。例えば、予測部１３２は、利用者の行動情報に基づいて、行動情報と予測ＣＶＲとの関係を学習させた決定木モデルを用いて、利用者ごとに予測ＣＶＲを予測してよい。具体的には、説明変数を、クーポンの使用の有無や、直近の購入日からの経過日数、直近の１年間の購入回数、電子商取引サービスにおける商品のウォッチリストへの登録からの日数などとしてよい。また、これらの説明変数を分割する水準は、行動情報に基づいた学習によって自動で計算されたものが用いられてよい。なお、予測ＣＶＲの予測には、行動情報と予測ＣＶＲとの関係を学習させたＤＮＮを用いてもよい。
予測部１３２は、利用者が所定の行動を実行する確率を予測する。なお、利用者が所定の行動を実行する確率は、予測ＣＶＲ（Ｃｏｎｖｅｒｓｉｏｎ Ｒａｔｅ）ということができる。また、所定の行動とは、情報サービスを用いた行動であってよく、例えば、電子商取引サービスにおける商品の購入であってよい。つまり、予測ＣＶＲは、利用者が所定の行動を実行する確率のことを指している。例えば、予測部１３２は、利用者の行動情報に基づいて、行動情報と予測ＣＶＲとの関係を学習させた決定木モデルを用いて、利用者ごとに予測ＣＶＲを予測してよい。具体的には、説明変数を、クーポンの使用の有無や、直近の購入日からの経過日数、直近の１年間の購入回数、電子商取引サービスにおける商品のウォッチリストへの登録からの日数などとしてよい。また、これらの説明変数を分割する水準は、行動情報に基づいた学習によって自動で計算されたものが用いられてよい。なお、予測ＣＶＲの予測には、行動情報と予測ＣＶＲとの関係を学習させたＤＮＮを用いてもよい。
【0070】
ここで、行動情報と予測ＣＶＲとの関係を学習させた決定木モデルについて説明する。決定木モデルは、説明変数として、行動情報に含まれる情報を用いて、例えば、「直近の購入日からの経過日数」や、「直近のウォッチリストへの登録からの経過日数」、「直近の１年の購入回数」などを選択してよい。そして、例えば、ＬｉｇｈｔＧＢＭ（Ｌｉｇｈｔ Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ Ｍａｃｈｉｎｅ）などのモデルを用いて、行動情報と予測ＣＶＲの関係を学習させることにより、予測ＣＶＲを分類する説明変数の水準を決定してよい。
【0071】
（算出部１３３について）
算出部１３３は、介入の配信対象を決定する根拠となる指標を算出する。例えば、算出部１３３は、アドオンＣＶＲやアドオンＣＰＡを算出する。以下に、算出部１３３に算出する指標の具体例について説明する。
算出部１３３は、介入の配信対象を決定する根拠となる指標を算出する。例えば、算出部１３３は、アドオンＣＶＲやアドオンＣＰＡを算出する。以下に、算出部１３３に算出する指標の具体例について説明する。
【0072】
算出部１３３は、指標として、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分を示す第一スコアを算出する。ここで、第一スコアとは、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分であり、上述したアドオンＣＶＲであるともいえる。例えば、算出部１３３は、予測部１３２において利用者ごとに介入の使用の有無のそれぞれについて算出された予測ＣＶＲに基づいて、介入ありの予測ＣＶＲから介入なしの予測ＣＶＲを差し引くことによって、アドオンＣＶＲを算出する。
【0073】
また、算出部１３３は、指標として、利用者ごとに介入を配信した場合の一回の所定の行動当たりの利用者の消費金額の増分を示す第二スコアを算出する。ここで、第二スコアとは、利用者ごとに介入を配信した場合の一回の所定の行動を実行の獲得に要する費用の増分であり、上述したアドオンＣＰＡであるともいえる。まず、算出部１３３は、アドオンコストを算出する。アドオンコストとは、介入の配信によって追加で掛かる費用のことを指している。具体的には、算出部１３３は、介入の配信ありの場合の予測費用から、介入の配信なしの場合の予測費用を差し引くことにより、アドオンコストを算出する。そして、算出部１３３は、アドオンＣＶＲと、アドオンコストに基づいて、アドオンＣＰＡを算出する。具体的には、算出部１３３は、アドオンコストを、アドオンＣＶＲによって割ることにより、アドオンＣＰＡを算出する。
【0074】
（決定部１３４について）
決定部１３４は、指標に基づいて、介入を配信する利用者を決定する。例えば、決定部１３４は、アドオンＣＶＲと、アドオンＣＰＡの少なくとも一つに基づいて、介入を配信する利用者を決定する。すなわち、決定部１３４は、アドオンＣＶＲと、アドオンＣＰＡの両方に基づいて、介入を配信する利用者を決定してもよい。以下に、決定部１３４が介入を配信する利用者を決定する処理について具体的に説明する。
決定部１３４は、指標に基づいて、介入を配信する利用者を決定する。例えば、決定部１３４は、アドオンＣＶＲと、アドオンＣＰＡの少なくとも一つに基づいて、介入を配信する利用者を決定する。すなわち、決定部１３４は、アドオンＣＶＲと、アドオンＣＰＡの両方に基づいて、介入を配信する利用者を決定してもよい。以下に、決定部１３４が介入を配信する利用者を決定する処理について具体的に説明する。
【0075】
決定部１３４は、第一スコアが第一閾値以上の利用者を介入の配信対象として決定する。ここで、第一閾値は任意に設定されてよい。例えば、決定部１３４は、第一スコア、言い換えるとアドオンＣＶＲが１５％以上の利用者を介入の配信対象として決定してよい。なお、決定部１３４は、追加の制約として、介入の配信によるコストの累積和が予算以下であることという条件を与えて、その条件を満たすように、介入の配信対象を決定してもよい。また、決定部１３４は、その他の制約として、利得、すなわち、アドオンＣＶＲの累積和が所定の目標値を超えることという条件を与えて、その条件を満たすように、介入の配信対象を決定してもよい。
【0076】
また、決定部１３４は、第二スコアが第二閾値以下の利用者を介入の配信対象として決定する。ここで、第二閾値は任意に設定されてよい。例えば、決定部１３４は、第二スコア、言い換えるとアドオンＣＰＡが４，０００円／ＣＶ以下の利用者を介入の配信対象として決定してよい。
【0077】
（配信部１３５について）
配信部１３５は、利用者端末２００に所定の情報サービスにおける介入を配信する。具体的な例を挙げて説明すると、例えば、配信部１３５は、電子商取引サービスにおいて、商品の価格が所定の割合だけ割引になるクーポンを利用者端末２００に配信する。クーポンは、例えば、コード番号によって表されるタイプや、ＱＲコード（登録商標）によって表されるタイプ、クーポンを使用可能なＷＥＢサイトへのリンクなどによって実現されてよい。また、配信部１３５は、クーポンを利用者端末２００に電子メールによって配信してもよいし、所定のＷＥＢサイトにアクセスした利用者端末２００に、所定のＷＥＢサイト上にクーポンを表示させることによってクーポンを配信してもよい。
配信部１３５は、利用者端末２００に所定の情報サービスにおける介入を配信する。具体的な例を挙げて説明すると、例えば、配信部１３５は、電子商取引サービスにおいて、商品の価格が所定の割合だけ割引になるクーポンを利用者端末２００に配信する。クーポンは、例えば、コード番号によって表されるタイプや、ＱＲコード（登録商標）によって表されるタイプ、クーポンを使用可能なＷＥＢサイトへのリンクなどによって実現されてよい。また、配信部１３５は、クーポンを利用者端末２００に電子メールによって配信してもよいし、所定のＷＥＢサイトにアクセスした利用者端末２００に、所定のＷＥＢサイト上にクーポンを表示させることによってクーポンを配信してもよい。
【0078】
また、配信部１３５は、決定部１３４によって配信対象に決定された利用者の利用者端末２００に介入を配信する。
【0079】
〔４．利用者端末の構成〕
次に、図１１を用いて、実施形態に係る利用者端末２００の構成について説明する。図１１は、実施形態に係る利用者端末の構成例を示す図である。図１１に示すように、利用者端末２００は、通信部２１０と、入力部２２０と、出力部２３０と、制御部２４０を有する。
次に、図１１を用いて、実施形態に係る利用者端末２００の構成について説明する。図１１は、実施形態に係る利用者端末の構成例を示す図である。図１１に示すように、利用者端末２００は、通信部２１０と、入力部２２０と、出力部２３０と、制御部２４０を有する。
【0080】
通信部２１０は、例えば、ＮＩＣ、無線ＬＡＮカード等によって実現される。そして、通信部２１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、情報処理装置１００との間で各種の情報の送受信を行う。
【0081】
入力部２２０は、利用者から各種の操作情報が入力される。例えば、入力部２２０は、タッチパネルにより表示面（例えば出力部２３０）を介して利用者からの各種操作を受け付けてもよい。また、入力部２２０は、利用者端末２００に設けられたボタンや、利用者端末２００に接続されたキーボードやマウスからの各種操作を受け付けてもよい。
【0082】
出力部２３０は、例えば液晶ディスプレイや有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等によって実現されるタブレット型端末等の表示画面であり、各種情報を表示するための表示装置である。つまり、利用者端末２００は、入力部２２０がタッチパネルである場合は、出力部２３０である表示画面により利用者の入力を受け付け、利用者への出力も行う。また、出力部２３０は、スピーカーであってもよく、スピーカーにより音声を出力してよい。
【0083】
制御部２４０は、例えば、ＣＰＵやＭＰＵ等によって、利用者端末２００に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部２４０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。
【0084】
図１１に示すように、制御部２４０は、受付部２４１と、提供部２４２と、を有する。
【0085】
受付部２４１は、利用者の操作を受け付ける。例えば、受付部２４１は、利用者の所定の情報サービスを用いた行動に関する操作を受け付ける。例えば、受付部２４１は、利用者の電子商取引サービスにおける商品の注文に関する操作や、商品のウォッチリストへの登録といった操作を受け付ける。
【0086】
提供部２４２は、利用者に各種の情報を提供する。具体的な例を挙げて説明すると、例えば、提供部２４２は、利用者に情報処理装置１００の配信部１３５から配信されたクーポンに関する情報を提供する。例えば、提供部２４２は、出力部２３０にクーポンのコード番号を表示させることや、クーポンのＱＲコード（登録商標）を表示させること、クーポンを使用可能なＷＥＢサイトへのリンクを表示させることによって、利用者にクーポンに関する情報を提供してよい。
【0087】
〔５．情報処理のフロー〕
次に、図１２を用いて、実施形態に係る情報処理の手順について説明する。図１２は、実施形態に係る情報処理の一例を示すフローチャートである。以下、図１２に示すフローチャートに沿って、実施形態に係る情報処理の手順について説明する。
次に、図１２を用いて、実施形態に係る情報処理の手順について説明する。図１２は、実施形態に係る情報処理の一例を示すフローチャートである。以下、図１２に示すフローチャートに沿って、実施形態に係る情報処理の手順について説明する。
【0088】
まず、情報処理装置１００は、利用者端末２００に介入を配信する（ステップＳ１０１）。次に、情報処理装置１００は、利用者端末２００から利用者情報と行動情報を取得する（ステップＳ１０２）。そして、情報処理装置１００は、利用者情報と、行動情報に基づいて、利用者ごとに、予測ＣＶＲを予測する（ステップＳ１０３）。そして、情報処理装置１００は、利用者ごとに、アドオンＣＶＲと、アドオンＣＰＡを算出する（ステップＳ１０４）。そして、情報処理装置１００は、アドオンＣＶＲと、アドオンＣＰＡのうち少なくとも一つに基づいて、介入の配信対象となる利用者を決定する（ステップＳ１０５）。そして、情報処理装置１００は、配信対象に決定された利用者の利用者端末２００に介入を配信する（ステップＳ１０６）。
【0089】
これによれば、利用者ごとに介入を配信した場合の購入などの行動を実行する確率の増分を計算し、さらに介入の配信によるコストを計算したうえで、介入の配信による効果や費用、もしくはその両方を考慮して、介入の配信対象を決定し、介入を配信することができる。そのため、介入の配信による効果や費用、もしくはその両方を考慮して、介入を配信することができる情報処理方法、及び情報処理プログラムを提供することができる。
【0090】
〔６．ハードウェア構成〕
また、上述した実施形態に係る情報処理装置１００は、例えば図１３に示すような構成のコンピュータ１０００によって実現される。図１３は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Ｉｎｔｅｒｆａｃｅ）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。
また、上述した実施形態に係る情報処理装置１００は、例えば図１３に示すような構成のコンピュータ１０００によって実現される。図１３は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Ｉｎｔｅｒｆａｃｅ）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。
【0091】
演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが記憶される記憶装置であり、ＲＯＭ(Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ)、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ等により実現される。
【0092】
出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）やＤＶＩ（Ｄｉｇｉｔａｌ Ｖｉｓｕａｌ Ｉｎｔｅｒｆａｃｅ）、ＨＤＭＩ（登録商標）（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。
【0093】
なお、入力装置１０２０は、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）、ＰＤ（Ｐｈａｓｅ ｃｈａｎｇｅ ｒｅｗｒｉｔａｂｌｅ Ｄｉｓｋ）等の光学記録媒体、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ ｄｉｓｋ）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。
【0094】
ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。
【0095】
演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。
【0096】
例えば、コンピュータ１０００が情報処理装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、情報処理装置１００の制御部１３０の機能を実現する。
【0097】
〔７．構成と効果〕
本開示に係る情報処理装置１００は、利用者端末２００から利用者に関する情報を示す利用者情報と、利用者の所定のサービスにおける行動を示す行動情報を取得する取得部１３１と、利用者が所定の行動を実行する確率を予測する予測部１３２と、介入の配信対象を決定する根拠となる指標を算出する算出部１３３と、指標に基づいて、介入を配信する利用者を決定する決定部１３４と、を備える。
本開示に係る情報処理装置１００は、利用者端末２００から利用者に関する情報を示す利用者情報と、利用者の所定のサービスにおける行動を示す行動情報を取得する取得部１３１と、利用者が所定の行動を実行する確率を予測する予測部１３２と、介入の配信対象を決定する根拠となる指標を算出する算出部１３３と、指標に基づいて、介入を配信する利用者を決定する決定部１３４と、を備える。
【0098】
この構成によれば、利用者ごとに介入を配信した場合の購入などの行動を実行する確率の増分を計算し、さらに介入の配信によるコストを計算したうえで、介入の配信による効果や費用、もしくはその両方を考慮して、介入の配信対象を決定し、介入を配信することができる。そのため、介入の配信による効果や費用、もしくはその両方を考慮して、介入を配信することができる情報処理装置１００を提供することができる。
【0099】
本開示に係る情報処理装置１００の算出部１３３は、指標として、利用者ごとに介入を配信した場合の所定の行動を実行する確率の増分を示す第一スコアを算出し、決定部１３４は、第一スコアが第一閾値以上の利用者を介入の配信対象として決定する。
【0100】
この構成によれば、介入を配信した場合に所定の行動を実行する確率の増分が第一閾値以上の利用者を介入の配信対象として決定し、決定された利用者に介入を配信することができる。
【0101】
本開示に係る情報処理装置１００の算出部１３３は、指標として、利用者ごとに介入を配信した場合の一回の所定の行動を実行の獲得に要する費用の増分を示す第二スコアを算出し、決定部１３４は、第二スコアが第二閾値以下の利用者を介入の配信対象として決定する。
【0102】
この構成によれば、介入を配信した場合に利用者の一回の所定の行動の実行の獲得に要する費用の増分が第二閾値以下の利用者を介入の配信対象として決定し、決定された利用者に介入を配信することができる。
【0103】
本開示に係る情報処理方法は、利用者端末２００から利用者に関する情報を示す利用者情報と、利用者の所定のサービスにおける行動を示す行動情報を取得するステップと、利用者が所定の行動を実行する確率を予測するステップと、介入の配信対象を決定する根拠となる指標を算出するステップと、指標に基づいて、介入を配信する利用者を決定するステップと、を含む。
【0104】
この構成によれば、利用者ごとに介入を配信した場合の購入などの行動を実行する確率の増分を計算し、さらに介入の配信によるコストを計算したうえで、介入の配信による効果や費用、もしくはその両方を考慮して、介入の配信対象を決定し、介入を配信することができる。そのため、介入の配信による効果や費用を考慮して、介入を配信することができる情報処理方法を提供することができる。
【0105】
本開示に係る情報処理プログラムは、利用者端末２００から利用者に関する情報を示す利用者情報と、利用者の所定のサービスにおける行動を示す行動情報を取得するステップと、利用者が所定の行動を実行する確率を予測するステップと、介入の配信対象を決定する根拠となる指標を算出するステップと、前記指標に基づいて、介入を配信する利用者を決定するステップと、をコンピュータに実行させる。
【0106】
この構成によれば、利用者ごとに介入を配信した場合の購入などの行動を実行する確率の増分を計算し、さらに介入の配信によるコストを計算したうえで、介入の配信による効果や費用、もしくはその両方を考慮して、介入の配信対象を決定し、介入を配信することができる。そのため、介入の配信による効果や費用、もしくはその両方を考慮して、介入を配信することができる情報処理プログラムを提供することができる。
【0107】
以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
【0108】
また、上述してきた「部（ｓｅｃｔｉｏｎ、ｍｏｄｕｌｅ、ｕｎｉｔ）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部１３１は、取得手段や取得回路に読み替えることができる。
【符号の説明】
【0109】
１ 情報処理システム
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報記憶部
１２２ 行動情報記憶部
１２３ モデル記憶部
１２４ 介入記憶部
１３０ 制御部
１３１ 取得部
１３２ 予測部
１３３ 算出部
１３４ 決定部
１３５ 配信部
２００ 利用者端末
２１０ 通信部
２２０ 入力部
２３０ 出力部
２４０ 制御部
２４１ 受付部
２４２ 提供部
Ｎ ネットワーク
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報記憶部
１２２ 行動情報記憶部
１２３ モデル記憶部
１２４ 介入記憶部
１３０ 制御部
１３１ 取得部
１３２ 予測部
１３３ 算出部
１３４ 決定部
１３５ 配信部
２００ 利用者端末
２１０ 通信部
２２０ 入力部
２３０ 出力部
２４０ 制御部
２４１ 受付部
２４２ 提供部
Ｎ ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】