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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-01-23
(45)【発行日】2023-01-31
(54)【発明の名称】離反防止支援プログラム、離反防止支援方法および情報処理装置
(51)【国際特許分類】
G06Q 30/02 20230101AFI20230124BHJP
【ＦＩ】
G06Q30/02
【請求項の数】
10
(21)【出願番号】P 2018232754
(22)【出願日】2018-12-12
(65)【公開番号】P2020095469
(43)【公開日】2020-06-18
【審査請求日】2021-09-09
(73)【特許権者】
【識別番号】000005223
【氏名又は名称】富士通株式会社
(74)【代理人】
【識別番号】100104190
【弁理士】
【氏名又は名称】酒井 昭徳
(72)【発明者】
【氏名】松井 將之
(72)【発明者】
【氏名】高橋 洋輔
(72)【発明者】
【氏名】入來 祥穂
(72)【発明者】
【氏名】大久保 龍一
【審査官】山崎 誠也
(56)【参考文献】
【文献】国際公開第２０１７／１３０４８８（ＷＯ，Ａ１）
【文献】特開２０１６－０４２２９７（ＪＰ，Ａ）
【文献】特開２００７－３１７０８２（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
所定期間におけるユーザの特性を示す複数のタグの情報に基づいて、前記所定期間以降に前記ユーザが離反するか否かを判定し、離反すると判定した前記ユーザに対応する複数のタグのうち、前記ユーザの基本属性に関するタグを除く少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索し、
探索した探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する、
処理をコンピュータに実行させることを特徴とする離反防止支援プログラム。
【請求項2】
前記探索する処理は、前記方策に関連するタグとして、前記ユーザの離反の判定結果を変更させるタグを探索する、ことを特徴とする請求項１に記載の離反防止支援プログラム。
【請求項3】
所定期間における複数のユーザの各ユーザの特性を示す前記複数のタグの情報に基づいて、前記所定期間以降に前記各ユーザが離反するか否かを判定し、
判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のタグのうち、前記各ユーザの基本属性に関するタグを除くタグから、処理対象のタグを決定する、処理を前記コンピュータに実行させ、
前記探索する処理は、
決定した前記処理対象のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記方策に関連するタグを探索する、ことを特徴とする請求項１または２に記載の離反防止支援プログラム。
【請求項4】
判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のタグのうち、前記各ユーザの基本属性に関するタグを除く各タグについて、前記各ユーザの離反の判定結果との相関の度合いを示す相関度を算出する、処理を前記コンピュータに実行させ、
前記決定する処理は、
算出した前記各タグの相関度に基づいて、前記処理対象のタグを決定する、ことを特徴とする請求項３に記載の離反防止支援プログラム。
【請求項5】
判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のユーザのうち離反しないと判定された継続予測者を特定する、処理を前記コンピュータに実行させ、
前記決定する処理は、
特定した前記継続予測者の特性を示す前記複数のタグのうち、前記各ユーザの基本属性に関するタグを除くタグの情報に基づいて、前記処理対象のタグを決定する、ことを特徴とする請求項３または４に記載の離反防止支援プログラム。
【請求項6】
前記決定する処理は、
前記複数のタグのうち、前記各ユーザの基本属性に関するタグを除く各タグについて、前記各タグに関連する方策が実行されたユーザ群のうち、前記方策に反応したユーザの割合に基づいて、前記処理対象のタグを決定する、ことを特徴とする請求項３～５のいずれか一つに記載の離反防止支援プログラム。
【請求項7】
判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のユーザのうち離反しないと判定された継続予測者を特定し、
特定した前記各継続予測者について、前記各継続予測者の特性を示す前記複数のタグの情報と、前記ユーザの特性を示す前記複数のタグの情報とに基づいて、前記ユーザとの相関の度合いを示す相関度を算出し、
算出した前記各継続予測者の相関度に基づいて、特定した前記継続予測者の中から、１または複数の継続予測者を抽出する、処理を前記コンピュータに実行させ、
前記決定する処理は、
抽出した前記１または複数の継続予測者の特性を示す前記複数のタグのうち、前記各ユーザの基本属性に関するタグを除くタグの情報に基づいて、前記処理対象のタグを決定する、ことを特徴とする請求項３～６のいずれか一つに記載の離反防止支援プログラム。
【請求項8】
複数のユーザの各ユーザについて、特定の期間における前記各ユーザの特性を示す前記複数のタグの情報と、前記特定の期間以降に前記各ユーザが離反したか否かを示す離反結果とを記憶する記憶部を参照して、前記複数のタグの情報から離反するか否かを判別する機械学習モデルを生成する、処理を前記コンピュータに実行させ、
前記ユーザが離反するか否かの判定は、前記機械学習モデルを用いて行われ、
前記複数のタグは、前記各ユーザの行動に関するタグと、前記各ユーザの基本属性に関するタグとを含む、ことを特徴とする請求項１～７のいずれか一つに記載の離反防止支援プログラム。
【請求項9】
所定期間におけるユーザの特性を示す複数のタグの情報に基づいて、前記所定期間以降に前記ユーザが離反するか否かを判定し、
離反すると判定した前記ユーザに対応する複数のタグのうち、前記ユーザの基本属性に関するタグを除く少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索し、
探索した探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する、
処理をコンピュータが実行することを特徴とする離反防止支援方法。
【請求項10】
所定期間におけるユーザの特性を示す複数のタグの情報に基づいて、前記所定期間以降に前記ユーザが離反するか否かを判定する判定部と、
前記判定部によって離反すると判定された前記ユーザに対応する複数のタグのうち、前記ユーザの基本属性に関するタグを除く少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索する探索部と、
前記探索部によって探索された探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する出力部と、
を有することを特徴とする情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、離反防止支援プログラム、離反防止支援方法および情報処理装置に関する。
【背景技術】
【0002】
従来、企業が保有する消費者データ（例えば、商品の購入履歴）に基づき、消費者の特徴的な行動を抽出し、消費者に対してタグ付けする技術がある。タグ付けされた情報は、例えば、百貨店やショッピングセンターなどの売上アップを目的とするマーケティングに利用される。
【0003】
関連する先行技術としては、例えば、ユーザの公開情報に基づきユーザにイベントが生じると判別されると、ユーザの公開情報とフレンドの商品購入履歴とに基づき、ユーザに贈与すべき商品を選定し、選定された商品をユーザに贈与すべき旨のリコメンドを、フレンドに通知するものがある。
【先行技術文献】
【特許文献】
【0004】
【文献】国際公開第２０１６／１２５２３７号
【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、従来技術では、どのようなターゲットに対して、どのような方策をとれば、来店しなくなったり、商品やサービスを購入しなくなったりするなどの、ユーザの離反を防ぐことができるのか判断することが難しい。
【0006】
一つの側面では、本発明は、ユーザの離反を防止する方策の策定を支援することを目的とする。
【課題を解決するための手段】
【0007】
１つの実施態様では、所定期間におけるユーザの特性を示す複数のタグの情報に基づいて、前記所定期間以降に前記ユーザが離反するか否かを判定し、離反すると判定した前記ユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索し、探索した探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する、離反防止支援プログラムが提供される。
【発明の効果】
【0008】
本発明の一側面によれば、ユーザの離反を防止する方策の策定を支援することができるという効果を奏する。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
以下に図面を参照して、本発明にかかる離反防止支援プログラム、離反防止支援方法および情報処理装置の実施の形態を詳細に説明する。
【0011】
（実施の形態１）
図１は、実施の形態１にかかる離反防止支援方法の一実施例を示す説明図である。図１において、情報処理装置１０１は、ユーザの離反を防止する方策の策定を支援するコンピュータである。情報処理装置１０１は、例えば、サーバやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）である。
図１は、実施の形態１にかかる離反防止支援方法の一実施例を示す説明図である。図１において、情報処理装置１０１は、ユーザの離反を防止する方策の策定を支援するコンピュータである。情報処理装置１０１は、例えば、サーバやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）である。
【0012】
ユーザは、商品やサービスを利用する者である。商品やサービスは、店舗やＥＣ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｍｍｅｒｃｅ）サイトなどで販売、提供される商品やサービスである。ユーザの離反とは、これまで利用していた商品やサービスを、利用しなくなることである。
【0013】
例えば、ある店舗で提供される商品やサービスに、顧客（ユーザ）が失望したり、不満を持ったりすることがある。このような場合に、来店しなくなったり、商品やサービスを利用しなくなったりすることを、顧客の離反という。ただし、どのような状態を顧客の離反とするかは、商品やサービスの提供形態などに応じて定められる。
【0014】
顧客の離反は、企業（事業者）の売上の低下につながるため、何らかの対策を講じて、未然に防止することが望ましい。一方で、すべての顧客が離反するとは限らないし、離反を防止するために有効な方策は顧客によって異なることもある。このため、やみくもに販売促進などを行うのではなく、離反しそうな顧客にターゲットを絞って、適切な方策を打つことが求められる。
【0015】
そこで、本実施の形態では、ユーザの特性を示す複数のタグの情報から離反を予測し、ユーザの離反を防止する方策に関連するタグを探索することで、未然に離反を防止する方策の策定を支援する離反防止支援方法について説明する。以下、情報処理装置１０１の処理例について説明する。
【0016】
（１）情報処理装置１０１は、所定期間Ｔにおけるユーザの特性を示す複数のタグの情報に基づいて、所定期間Ｔ以降にユーザが離反するか否かを判定する。ここで、所定期間Ｔは、過去のある期間である。どのような期間を所定期間Ｔとするかは、任意に設定可能であり、例えば、商品の種類、サービスの内容などに応じて設定される。
【0017】
タグは、ユーザの特性を特定するためのものであり、例えば、行動や基本属性に関する条件をあらわす。基本属性は、性別、年齢、居住エリアなどである。行動に関する条件としては、「特定の商品を購入」や「特定のサービスを利用」などがある。基本属性に関する条件としては、「性別が女性」や「年齢が６０歳以上」などがある。
【0018】
複数のタグの情報は、複数のタグに含まれる各タグの内容を含む。各タグの内容は、例えば、タグがあらわす条件を満たすか否かに応じた値を示す。より具体的には、例えば、各タグの内容は、各タグがあらわす条件を満たす場合は「１」となり、各タグがあらわす条件を満たさない場合は「０」となる情報である。
【0019】
例えば、情報処理装置１０１は、機械学習モデルＭを用いて、ユーザが離反するか否かを判定する。ここで、機械学習モデルＭは、ユーザの特性を示す複数のタグの情報から、当該ユーザが離反するか否かを判別するモデルである。機械学習モデルＭは、例えば、ロジスティック回帰などのアルゴリズムを用いて、過去のデータをもとに生成される。
【0020】
図１の例では、ユーザを「ユーザ１１０」とし、複数のタグを「タグＴａ，Ｔｂ，Ｔｃ」とする。ユーザ１１０は、ある百貨店の顧客である。タグＴａは、「商品Ａを購入」という条件をあらわす。タグＴｂは、「商品Ｂを購入」という条件をあらわす。タグＴｃは、「商品Ｃを購入」という条件をあらわす。各タグＴａ，Ｔｂ，Ｔｃの情報は、各条件を満たすか否かに応じた値（０または１）を示す。ここでは、機械学習モデルＭを用いて、所定期間Ｔにおけるユーザ１１０の特性を示すタグＴａ，Ｔｂ，Ｔｃの情報から、所定期間Ｔ以降にユーザ１１０が離反すると判定された場合を想定する。
【0021】
（２）情報処理装置１０１は、離反すると判定したユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときのユーザが離反するか否かの判定結果に基づいて、複数のタグから、ユーザの離反を防止する方策に関連するタグを探索する。ここで、タグの情報を変更するとは、例えば、タグがあらわす条件を満たすか否かに応じた値を変更することである。
【0022】
ユーザの離反を防止する方策に関連するタグは、例えば、ユーザの離反の判定結果を反転させるタグである。すなわち、情報処理装置１０１は、複数のタグのうち、そのタグの情報を変更すると、「離反する」と予測されたユーザの予測結果が、「離反しない」という予測結果に変わるタグを探索する。
【0023】
具体的には、例えば、情報処理装置１０１は、複数のタグのいずれか一つのタグの情報を、「０⇒１」または「１⇒０」に変更した上で、機械学習モデルＭを用いて、ユーザが離反するか否かを判定する。情報処理装置１０１は、これを各タグについて繰り返すことで、ユーザの離反の判定結果を変更させるタグを探索する。
【0024】
図１の例では、タグＴａ，Ｔｂ，Ｔｃのうち、タグＴａの情報を「０」から「１」に変更すると、ユーザ１１０の離反の判定結果が「離反しない」に変化した場合を想定する。この場合、ユーザ１１０の離反を防止する方策に関連するタグとして、タグＴａが探索される。タグＴａは、その値を変更すると、ユーザ１１０の離反の判定結果を反転させるため、ユーザ１１０の離反を防止する有効な方策につながるタグであるといえる。
【0025】
（３）情報処理装置１０１は、探索した探索結果、または探索結果を特定する情報を、ユーザと対応付けて出力する。具体的には、例えば、情報処理装置１０１は、ユーザの識別情報と対応付けて、探索したタグを特定する情報を出力する。ここで、ユーザの識別情報は、例えば、ユーザを識別するＩＤや氏名などである。
【0026】
また、タグを特定する情報は、例えば、タグを識別するＩＤであってもよいし、タグがあらわす条件を示す情報であってもよい。さらに、タグを特定する情報には、タグがあらわす条件をユーザが満たすか否かに応じた値（例えば、「０」または「１」）が含まれていてもよい。
【0027】
図１の例では、離反防止タグ情報１２０が出力された場合を想定する。離反防止タグ情報１２０は、ユーザ１１０の氏名と対応付けて、探索されたタグＴａを特定する情報をあらわす。タグＴａを特定する情報は、タグＴａがあらわす条件「商品Ａを購入」と、その条件をユーザ１１０が満たさないことを示す値「０」とを含む。
【0028】
このように、情報処理装置１０１によれば、ユーザが離反すると予測したら、そのユーザの離反を防止するための方策に関する情報を提供することができる。これにより、どのようなターゲットに対して、どのような方策をとれば、離反の可能性を下げることができるか判断可能となり、未然に離反を防止する方策の策定を支援することができる。
【0029】
図１の例では、百貨店のマーケティング担当者等は、離反防止タグ情報１２０を参照することにより、ユーザ１１０に対して、商品Ａの販売促進を行えば（タグＴａの値を「１」にする方策）、離反の可能性を下げることができることがわかる。
【0030】
（情報提供システム２００のシステム構成例）
つぎに、図１に示した情報処理装置１０１を含む情報提供システム２００のシステム構成について説明する。情報提供システム２００は、例えば、百貨店やショッピングセンターなどにおけるマーケティングを支援するコンピュータシステムに適用される。以下の説明では、ユーザの離反を防止する「方策」を「施策」と表記する場合がある。
つぎに、図１に示した情報処理装置１０１を含む情報提供システム２００のシステム構成について説明する。情報提供システム２００は、例えば、百貨店やショッピングセンターなどにおけるマーケティングを支援するコンピュータシステムに適用される。以下の説明では、ユーザの離反を防止する「方策」を「施策」と表記する場合がある。
【0031】
図２は、情報提供システム２００のシステム構成例を示す説明図である。図２において、情報提供システム２００は、情報処理装置１０１と、クライアント装置２０１と、を含む。情報提供システム２００において、情報処理装置１０１およびクライアント装置２０１は、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。
【0032】
ここで、情報処理装置１０１は、学習用データＤＢ（Ｄａｔａｂａｓｅ）２２０、予測用データＤＢ２３０およびタグマスタ２４０を有する。情報処理装置１０１は、例えば、サーバである。各種ＤＢ等２２０，２３０，２４０の記憶内容については、図４～図６を用いて後述する。
【0033】
クライアント装置２０１は、情報提供システム２００のユーザが使用するコンピュータである。情報提供システム２００のユーザは、例えば、百貨店やショッピングセンターなどのマーケティング業務を行う者である。クライアント装置２０１は、例えば、ＰＣ、タブレット型ＰＣなどである。
【0034】
なお、上述した説明では、情報処理装置１０１とクライアント装置２０１とが別体に設けられることにしたが、これに限らない。例えば、情報処理装置１０１は、クライアント装置２０１により実現されることにしてもよい。
【0035】
（情報処理装置１０１のハードウェア構成例）
図３は、情報処理装置１０１のハードウェア構成例を示すブロック図である。図３において、情報処理装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ディスクドライブ３０３と、ディスク３０４と、通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０５と、可搬型記録媒体Ｉ／Ｆ３０６と、可搬型記録媒体３０７と、を有する。また、各構成部は、バス３００によってそれぞれ接続される。
図３は、情報処理装置１０１のハードウェア構成例を示すブロック図である。図３において、情報処理装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ディスクドライブ３０３と、ディスク３０４と、通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０５と、可搬型記録媒体Ｉ／Ｆ３０６と、可搬型記録媒体３０７と、を有する。また、各構成部は、バス３００によってそれぞれ接続される。
【0036】
ここで、ＣＰＵ３０１は、情報処理装置１０１の全体の制御を司る。ＣＰＵ３０１は、複数のコアを有していてもよい。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭがＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）のプログラムを記憶し、ＲＯＭがアプリケーションプログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。
【0037】
ディスクドライブ３０３は、ＣＰＵ３０１の制御に従ってディスク３０４に対するデータのリード／ライトを制御する。ディスク３０４は、ディスクドライブ３０３の制御で書き込まれたデータを記憶する。ディスク３０４としては、例えば、磁気ディスク、光ディスクなどが挙げられる。
【0038】
通信Ｉ／Ｆ３０５は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して外部のコンピュータ（例えば、図２に示したクライアント装置２０１）に接続される。そして、通信Ｉ／Ｆ３０５は、ネットワーク２１０と装置内部とのインターフェースを司り、外部のコンピュータからのデータの入出力を制御する。通信Ｉ／Ｆ３０５には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
【0039】
可搬型記録媒体Ｉ／Ｆ３０６は、ＣＰＵ３０１の制御に従って可搬型記録媒体３０７に対するデータのリード／ライトを制御する。可搬型記録媒体３０７は、可搬型記録媒体Ｉ／Ｆ３０６の制御で書き込まれたデータを記憶する。可搬型記録媒体３０７としては、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリなどが挙げられる。
【0040】
なお、情報処理装置１０１は、上述した構成部のほかに、例えば、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、入力装置、ディスプレイ等を有することにしてもよい。また、情報処理装置１０１は、上述した構成部のうち、例えば、ディスクドライブ３０３、ディスク３０４、可搬型記録媒体Ｉ／Ｆ３０６、可搬型記録媒体３０７を有していなくてもよい。また、図２に示したクライアント装置２０１についても、情報処理装置１０１と同様のハードウェア構成により実現することができる。ただし、クライアント装置２０１は、上述した構成部のほかに、入力装置、ディスプレイ等を有する。
【0041】
（各種ＤＢ等２２０，２３０，２４０の記憶内容）
つぎに、図４～図６を用いて、情報処理装置１０１が有する各種ＤＢ等２２０，２３０，２４０の記憶内容について説明する。各種ＤＢ等２２０，２３０，２４０は、例えば、図３に示したメモリ３０２、ディスク３０４などの記憶装置により実現される。
つぎに、図４～図６を用いて、情報処理装置１０１が有する各種ＤＢ等２２０，２３０，２４０の記憶内容について説明する。各種ＤＢ等２２０，２３０，２４０は、例えば、図３に示したメモリ３０２、ディスク３０４などの記憶装置により実現される。
【0042】
図４は、学習用データＤＢ２２０の記憶内容の一例を示す説明図である。図４において、学習用データＤＢ２２０は、年度、顧客ＩＤ、複数のタグおよび離反フラグのフィールドを有し、各フィールドに情報を設定することで、学習用データ（例えば、学習用データ４００－１～４００－３）をレコードとして記憶する。
【0043】
ここで、年度は、顧客の特性が抽出された期間を示す。顧客ＩＤは、顧客を一意に識別する識別子である。複数のタグは、顧客の特性を特定するためのものである。各タグは、行動や基本属性に関する条件をあらわす。例えば、タグ「年末にタオルを買う」は、“年末にタオルを買う”という行動に関する条件をあらわす。
【0044】
また、タグ「バレンタイン」は、“バレンタインにチョコレートを買う”という行動に関する条件をあらわす。各タグのフィールドには、各タグがあらわす条件を満たすか否かに応じて、「０」または「１」の値が設定される。ここでは、タグの値「０」は、タグがあらわす条件を満たさないことを示す。タグの値「１」は、タグがあらわす条件を満たすことを示す。
【0045】
離反フラグは、次年度に顧客が離反したか否かを示す。離反した顧客とは、例えば、来店しなくなったり、商品やサービスを利用（購入）しなくなった顧客のことをいう。ここでは、離反フラグ「０」は、次年度に顧客が離反しなかったことを示す。離反フラグ「１」は、次年度に顧客が離反したことを示す。
【0046】
例えば、学習用データ４００－１は、２０１７年度の顧客ＩＤ「Ｐ１１１１」の顧客の特性を示す複数のタグの情報（各タグの値）と、次年度（２０１８年度）に顧客が離反したことを示す離反フラグ「１」とを含む。
【0047】
図５は、予測用データＤＢ２３０の記憶内容の一例を示す説明図である。図５において、予測用データＤＢ２３０は、年度、顧客ＩＤ、複数のタグおよび離反フラグのフィールドを有し、各フィールドに情報を設定することで、予測用データ（例えば、予測用データ５００－１～５００－３）をレコードとして記憶する。
【0048】
ここで、年度は、顧客の特性が抽出された期間を示す。顧客ＩＤは、顧客を一意に識別する識別子である。複数のタグは、顧客の特性を特定するためのものである。離反フラグは、次年度に顧客が離反するか否かの予測結果を示す。予測前の初期状態では、離反フラグは、「－（Ｎｕｌｌ）」である。
【0049】
例えば、予測用データ５００－１は、２０１８年度の顧客ＩＤ「Ｐ２１００」の顧客の特性を示す複数のタグの情報（各タグの値）と、次年度（２０１９年度）に顧客が離反するか否かの予測結果を示す離反フラグ「－」とを含む。
【0050】
以下の説明では、ユーザの特性を特定するための複数のタグを「タグＴ１～Ｔｍ」と表記する場合がある（ｍ：２以上の自然数）。また、タグＴ１～Ｔｍのうちの任意のタグを「タグＴｊ」と表記する場合がある（ｊ＝１，２，…，ｍ）。
【0051】
図６は、タグマスタ２４０の記憶内容の一例を示す説明図である。図６において、タグマスタ２４０は、タグＩＤ、タグ名および施策可能フラグのフィールドを有し、各フィールドに情報を設定することで、タグ管理情報（例えば、タグ管理情報６００－１～６００－ｍ）をレコードとして記憶する。
【0052】
ここで、タグＩＤは、タグＴｊを一意に識別する識別子である。タグ名は、タグＴｊの名称である。ここでは、タグ名として、タグＴｊがあらわす条件を示す文字列が用いられている。施策可能フラグは、施策可能であるか否かを示す。施策可能とは、顧客の離反を防止するための施策の対象となり得るタグであることを示す。
【0053】
施策可能フラグ「０」は、施策不可であることを示す。施策可能フラグ「１」は、施策可能であることを示す。ここでは、行動に関する条件をあらわすタグＴｊの施策可能フラグには「１」が設定される。一方、基本属性に関する条件をあらわすタグＴｊの施策可能フラグには「０」が設定される。
【0054】
例えば、タグ管理情報６００－１は、タグＴ１のタグ名「バレンタイン」および施策可能フラグ「１」を示す。また、タグ管理情報６００－２は、タグＴ２のタグ名「６５歳以上」および施策可能フラグ「０」を示す。
【0055】
（情報処理装置１０１の機能的構成例）
図７は、情報処理装置１０１の機能的構成例を示すブロック図である。図７において、情報処理装置１０１は、取得部７０１と、生成部７０２と、判定部７０３と、探索部７０４と、出力部７０５と、を含む。具体的には、例えば、取得部７０１～出力部７０５は、図３に示したメモリ３０２、ディスク３０４などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
図７は、情報処理装置１０１の機能的構成例を示すブロック図である。図７において、情報処理装置１０１は、取得部７０１と、生成部７０２と、判定部７０３と、探索部７０４と、出力部７０５と、を含む。具体的には、例えば、取得部７０１～出力部７０５は、図３に示したメモリ３０２、ディスク３０４などの記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０４などの記憶装置に記憶される。
【0056】
取得部７０１は、学習用データを取得する。ここで、学習用データとは、ユーザが離反するか否かを判別する機械学習モデルＭの生成に用いる情報である。学習用データは、特定の期間におけるユーザの特性を示すタグＴ１～Ｔｍの情報と、特定の期間以降にユーザが離反したか否かを示す離反結果とを含む。
【0057】
特定の期間は、過去のある期間である。ユーザは、例えば、百貨店やショッピングセンターなどの小売店における顧客（消費者）である。例えば、学習用データは、顧客ＩＤと対応付けて、ある年度における顧客の特性を示すタグＴ１～Ｔｍの情報（既知）と、次年度に顧客が離反したか否かを示す離反フラグ（既知）とを示す。
【0058】
具体的には、例えば、取得部７０１は、他のコンピュータから学習用データを受信することにより、受信した学習用データを取得する。他のコンピュータは、例えば、図２に示したクライアント装置２０１である。また、取得部７０１は、不図示の入力装置を用いた操作入力により、学習用データを取得することにしてもよい。
【0059】
取得された学習用データは、例えば、図４に示した学習用データＤＢ２２０に記憶される。なお、学習用データは、例えば、企業（百貨店、ショッピングセンター等）が保有するＰＯＳ（Ｐｏｉｎｔ－Ｏｆ－Ｓａｌｅ）データに基づいて、顧客の基本属性や行動を抽出することにより生成される。
【0060】
生成部７０２は、取得された学習用データに基づいて、機械学習モデルＭを生成する。具体的には、例えば、生成部７０２は、学習用データＤＢ２２０から、（Ｘ－１）年度の学習用データを取得する。（Ｘ－１）年度の学習用データは、年度「Ｘ－１」の学習用データであり、（Ｘ－１）年度における顧客の特性を示すタグＴ１～Ｔｍの情報と、Ｘ年に顧客が離反したか否かを示す離反フラグとを含む。
【0061】
この際、生成部７０２は、離反フラグ「０」の学習用データと、離反フラグ「１」の学習用データとを、同程度の数ずつ取得する。そして、生成部７０２は、取得した（Ｘ－１）年度の学習用データに基づいて、（Ｘ－１）年度の各タグＴ１～Ｔｍの情報を説明変数とし、Ｘ年度の離反フラグの値を目的変数として、機械学習モデルＭを生成する。
【0062】
すなわち、生成部７０２は、ある年度の各タグＴ１～Ｔｍの情報から、次年度に顧客が離反するか否かを判別するための機械学習モデルＭ（モデル式）を生成する。機械学習モデルＭの生成には、例えば、ロジスティック回帰等の手法を用いることができる。ただし、情報処理装置１０１は、他のコンピュータにおいて生成された機械学習モデルＭを取得することにしてもよい。
【0063】
また、取得部７０１は、予測用データを取得する。ここで、予測用データとは、ユーザが離反するか否かの予測に用いる情報である。予測用データは、所定期間Ｔにおける対象ユーザの特性を示すタグＴ１～Ｔｍの情報を含む。対象ユーザは、離反するか否かを予測（判定）する対象のユーザである。所定期間Ｔは、過去のある期間である。
【0064】
例えば、予測用データは、顧客ＩＤと対応付けて、ある年度における顧客の特性を示すタグＴ１～Ｔｍの情報（既知）と、次年度に顧客が離反するか否かを示す離反フラグ（未知）とを示す。具体的には、例えば、取得部７０１は、他のコンピュータから予測用データを受信することにより、受信した予測用データを取得する。また、取得部７０１は、不図示の入力装置を用いた操作入力により、予測用データを取得することにしてもよい。
【0065】
取得された予測用データは、例えば、図５に示した予測用データＤＢ２３０に記憶される。なお、予測用データは、例えば、学習用データと同様に、企業が保有するＰＯＳデータに基づいて、顧客の基本属性や行動を抽出することにより生成される。
【0066】
判定部７０３は、所定期間Ｔにおける対象ユーザの特性を示すタグＴ１～Ｔｍの情報に基づいて、所定期間Ｔ以降に対象ユーザが離反するか否かを判定する。具体的には、例えば、判定部７０３は、生成された機械学習モデルＭを用いて、対象ユーザが離反するか否かを判定する。
【0067】
より具体的には、例えば、所定期間Ｔを「Ｘ年」とすると、判定部７０３は、予測用データＤＢ２３０から、Ｘ年の予測用データを選択する。Ｘ年度の予測用データは、年度「Ｘ」の予測用データであり、Ｘ年度における顧客の特性を示すタグＴ１～Ｔｍの情報と、（Ｘ＋１）年度に顧客が離反するか否かを示す離反フラグとを含む。ただし、この時点では、離反フラグは、「－」である。
【0068】
そして、判定部７０３は、生成された機械学習モデルＭを用いて、選択した予測用データの各タグＴ１～Ｔｍの情報から、対象ユーザが離反するか否かを判定する。これにより、Ｘ年における顧客（対象ユーザ）の特性を示すタグＴ１～Ｔｍの情報から、（Ｘ＋１）年に顧客が離反するか否かを予測することができる。
【0069】
判定された判定結果は、例えば、予測用データＤＢ２３０に記憶される。すなわち、選択された予測用データについて、判定された判定結果に応じて、離反フラグに「０」または「１」が設定される。ここで、予測用データの更新例について説明する。
【0070】
図８は、予測用データの更新例を示す説明図である。図８において、予測用データ５００－１は、２０１８年度の顧客ＩＤ「Ｐ２１００」の顧客の各タグＴ１～Ｔｍの情報（「０」または「１」の値）を示す。ここでは、機械学習モデルＭを用いて、２０１９年度に顧客が離反すると判定された場合を想定する。この場合、判定部７０３は、予測用データ５００－１の離反フラグに「１」を設定する。
【0071】
探索部７０４は、離反すると判定された対象ユーザに対応するタグＴ１～Ｔｍの少なくともいずれかのタグＴｊの情報を変更したときの対象ユーザが離反するか否かの判定結果に基づいて、タグＴ１～Ｔｍから施策対象タグを探索する。ここで、施策対象タグとは、対象ユーザの離反を防止する施策に関連するタグである。
【0072】
施策対象タグは、例えば、対象ユーザの離反の判定結果（予測結果）を変更させるタグである。離反を防止するための施策は、例えば、ダイレクトメール、電子メール、クーポン等を利用した販売促進活動である。また、タグＴｊの情報を変更するとは、例えば、タグＴｊがあらわす条件を満たすか否かに応じた値を変更することである。
【0073】
例えば、探索部７０４は、タグＴ１～Ｔｍの少なくともいずれかのタグＴｊの値を「０」から「１」に変更したときの対象ユーザが離反するか否かの判定結果に基づいて、対象ユーザの離反の判定結果を反転させるタグを探索する。
【0074】
以下の説明では、タグＴ１～Ｔｍのうち、値を変更して、対象ユーザが離反するか否かのシミュレーションを行うタグを「シミュレーションタグ」と表記する場合がある。
【0075】
より詳細に説明すると、例えば、探索部７０４は、予測用データＤＢ２３０から、離反フラグ「１」の予測用データを選択する。また、探索部７０４は、タグＴ１～Ｔｍから、シミュレーションタグを選択する。つぎに、探索部７０４は、選択した予測用データについて、選択したシミュレーションタグの値を「０」から「１」に変更する。
【0076】
そして、探索部７０４は、機械学習モデルＭを用いて、選択したシミュレーションタグの値を変更した変更後の予測用データの各タグＴ１～Ｔｍの値から、対象ユーザが離反するか否かを判定する。ここで、依然として対象ユーザが離反すると判定された場合、探索部７０４は、シミュレーションタグを選択し直して、同様の処理を行う。
【0077】
一方、対象ユーザが離反しないと予測された場合、探索部７０４は、選択したシミュレーションタグを、施策対象タグとして特定する。これにより、「０」から「１」に値を変更することで、対象ユーザの離反の判定結果を反転させるタグを、対象ユーザの離反を防止するための施策の対象として探索することができる。
【0078】
ただし、タグＴ１～Ｔｍの中には、施策の対象となり得ないタグもある。例えば、性別や年齢などのユーザの基本属性は、施策によって変化するものではない。
【0079】
このため、探索部７０４は、タグＴ１～Ｔｍのうち、対象ユーザの基本属性に関するタグを除く少なくともいずれかのタグＴｊの情報を変更したときの対象ユーザが離反するか否かの判定結果に基づいて、施策対象タグを探索することにしてもよい。すなわち、タグＴ１～Ｔｍのうち、対象ユーザの性別や年齢などの基本属性に関するタグを探索範囲から除外することにしてもよい。
【0080】
具体的には、例えば、探索部７０４は、図６に示したタグマスタ２４０を参照して、タグＴ１～Ｔｍのうち、施策可能フラグが「１」のタグをシミュレーションタグに決定する。これにより、行動に関する条件をあらわすタグＴｊを、シミュレーションタグに決定することができる。決定された決定結果は、例えば、図９に示すような設定ファイル９００に登録される。
【0081】
図９は、設定ファイル９００の具体例を示す説明図である。図９において、設定ファイル９００は、シミュレーションタグのタグＩＤを含む。探索部７０４は、例えば、設定ファイル９００を参照して、シミュレーションタグを選択する。そして、探索部７０４は、選択したシミュレーションタグの値を変更したときの対象ユーザが離反するか否かの判定結果に基づいて、施策対象タグを探索する。
【0082】
探索された探索結果、または探索結果を特定する情報は、例えば、対象ユーザと対応付けて、図１０に示すような離反対策ファイル１０００に記憶される。
【0083】
図１０は、離反対策ファイル１０００の具体例を示す説明図である。図１０において、離反対策ファイル１０００は、顧客ＩＤとタグ名とを含む離反対策情報（例えば、離反対策情報１０００－１～１０００－３）を記憶する。ここで、顧客ＩＤは、対象ユーザである顧客を一意に識別する識別子である。タグ名は、施策対象タグの名称である。
【0084】
例えば、離反対策情報１０００－１は、顧客ＩＤ「Ｐ２１００」の顧客（対象ユーザ）の離反を防止する施策の対象となるタグ「バレンタイン」を特定する情報である。
【0085】
図７の説明に戻り、出力部７０５は、探索された探索結果、または探索結果を特定する情報を、対象ユーザと対応付けて出力する。出力部７０５の出力形式としては、例えば、メモリ３０２、ディスク３０４などの記憶装置への記憶、通信Ｉ／Ｆ３０５による他のコンピュータへの送信、不図示のディスプレイへの表示、不図示のプリンタへの印刷出力などがある。
【0086】
具体的には、例えば、出力部７０５は、図１０に示したような離反対策ファイル１０００を参照して、図２に示したクライアント装置２０１に対して、後述の図１２に示すような施策支援画面１２００を表示する制御を行うことにしてもよい。なお、施策支援画面１２００の画面例については、図１２を用いて後述する。
【0087】
（施策対象タグの探索例）
つぎに、図１１を用いて、施策対象タグの探索例について説明する。以下の説明では、顧客ＩＤ「Ｐ＃」の顧客を「顧客Ｐ＃」と表記する場合がある。
つぎに、図１１を用いて、施策対象タグの探索例について説明する。以下の説明では、顧客ＩＤ「Ｐ＃」の顧客を「顧客Ｐ＃」と表記する場合がある。
【0088】
図１１は、施策対象タグの探索例を示す説明図である。図１１において、予測用データ１１０１～１１０３は、２０１８年における顧客Ｐ１１１１～Ｐ１１１３の特性を示すタグＴ１～Ｔｍの値と、２０１９年に顧客Ｐ１１１１～Ｐ１１１３が離反するか否かを示す離反フラグとを含む。ただし、各予測用データ１１０１～１１０３の年度「２０１８」は、図示を省略している。
【0089】
ここでは、顧客Ｐ１１１１～Ｐ１１１３のすべてが２０１９年に離反すると判定されている。この場合、情報処理装置１０１は、例えば、各顧客Ｐ１１１１～Ｐ１１１３について、シミュレーションタグの値を変更して、各顧客Ｐ１１１１～Ｐ１１１３が離反するか否かを判定する。ここでは、シミュレーションタグとして、タグ「バレンタイン」が選択された場合を想定する。
【0090】
この場合、情報処理装置１０１は、予測用データ１１０１～１１０３のタグ「バレンタイン」の値を「０」から「１」に変更する。つぎに、情報処理装置１０１は、機械学習モデルＭを用いて、タグ「バレンタイン」の値を「１」に変更した変更後の予測用データ１１０１～１１０３の各タグＴ１～Ｔｍの値から、各顧客Ｐ１１１１～Ｐ１１１３が離反するか否かを判定する。
【0091】
ここでは、顧客Ｐ１１１２，Ｐ１１１３については、依然として離反すると判定されているものの、顧客Ｐ１１１１は離反しないと判定されている。すなわち、タグ「バレンタイン」の値を「０」から「１」に変更することで、顧客Ｐ１１１１の離反の判定結果が反転している。
【0092】
この場合、情報処理装置１０１は、タグ「バレンタイン」を、顧客Ｐ１１１１の施策対象タグとして特定する。そして、情報処理装置１０１は、顧客Ｐ１１１１と対応付けて、タグ「バレンタイン」に関する情報（例えば、タグ名）を出力する。これにより、２０１９年度における顧客Ｐ１１１１の離反を防止する施策に関する情報を提供することができる。
【0093】
（施策支援画面１２００の画面例）
つぎに、図１２を用いて、クライアント装置２０１に表示される施策支援画面１２００の画面例について説明する。
つぎに、図１２を用いて、クライアント装置２０１に表示される施策支援画面１２００の画面例について説明する。
【0094】
図１２は、施策支援画面１２００の画面例を示す説明図である。図１２において、施策支援画面１２００は、来年度（２０１９年）の顧客の離反を防止する施策に関する情報を提供する画面であり、離反防止タグ情報１２０１～１２０３を含む。離反防止タグ情報１２０１～１２０３は、顧客ＩＤとタグ名とを含む。顧客ＩＤは、顧客を一意に識別する識別子である。タグ名は、施策対象タグの名称である。
【0095】
施策支援画面１２００によれば、来年度（２０１９年）における顧客の離反を防止するための有効な施策に関する情報を提供することができる。これにより、企業のマーケティング担当者は、顧客に対してどのような施策を打てば、来年度の離反を防止することができるか判断することができる。
【0096】
例えば、マーケティング担当者は、顧客Ｐ２１００について、タグ「バレンタイン」の値を「１」に変えるような施策、すなわち、バレンタインにチョコレートを買ってもらうような販売促進を行えば、来年度の離反可能性を下げることができることがわかる。同様に、マーケティング担当者は、顧客Ｐ２１０１についても、バレンタインにチョコレートを買ってもらうような販売促進を行えば、来年度の離反可能性を下げることができることがわかる。さらに、マーケティング担当者は、顧客Ｐ２１００について、タグ「年末にタオルを買う」の値を「１」に変えるような施策、すなわち、年末にタオルを買ってもらうような販売促進を行えば、来年度の離反可能性を下げることができることがわかる。
【0097】
（情報処理装置１０１の離反防止支援処理手順）
つぎに、図１３を用いて、実施の形態１にかかる情報処理装置１０１の離反防止支援処理手順について説明する。情報処理装置１０１の離反防止支援処理は、例えば、クライアント装置２０１からの要求に応じて実行される。
つぎに、図１３を用いて、実施の形態１にかかる情報処理装置１０１の離反防止支援処理手順について説明する。情報処理装置１０１の離反防止支援処理は、例えば、クライアント装置２０１からの要求に応じて実行される。
【0098】
図１３は、実施の形態１にかかる情報処理装置１０１の離反防止支援処理手順の一例を示すフローチャートである。図１３のフローチャートにおいて、まず、情報処理装置１０１は、学習用データＤＢ２２０から、（Ｘ－１）年度の学習用データを取得する（ステップＳ１３０１）。つぎに、情報処理装置１０１は、取得した学習用データに基づいて、次年度に顧客が離反するか否かを判別するための機械学習モデルＭを生成する（ステップＳ１３０２）。
【0099】
そして、情報処理装置１０１は、生成した機械学習モデルＭを用いて、次年度に顧客が離反するか否かを予測する離反者予測処理を実行する（ステップＳ１３０３）。離反者予測処理の具体的な処理手順については、図１４を用いて後述する。
【0100】
つぎに、情報処理装置１０１は、シミュレーションタグを登録する設定ファイルを作成する設定ファイル作成処理を実行する（ステップＳ１３０４）。設定ファイル作成処理の具体的な処理手順については、図１５を用いて後述する。
【0101】
つぎに、情報処理装置１０１は、予測用データＤＢ２３０から、Ｘ年度の予測用データのうち選択されていない未選択の離反フラグ「１」の予測用データを選択する（ステップＳ１３０５）。
【0102】
そして、情報処理装置１０１は、選択した予測用データについて、シミュレーションタグの値を変更して、顧客が離反するか否かのシミュレーションを行うシミュレーション処理を実行する（ステップＳ１３０６）。シミュレーション処理の具体的な処理手順については、図１６を用いて後述する。
【0103】
つぎに、情報処理装置１０１は、Ｘ年度の予測用データのうち選択されていない未選択の離反フラグ「１」の予測用データがあるか否かを判断する（ステップＳ１３０７）。ここで、未選択の予測用データがある場合（ステップＳ１３０７：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１３０５に戻る。
【0104】
一方、未選択の予測用データがない場合（ステップＳ１３０７：Ｎｏ）、情報処理装置１０１は、後述の図１６のフローチャートにおいて作成される離反対策ファイル（例えば、図１０参照）を出力して（ステップＳ１３０８）、本フローチャートによる一連の処理を終了する。
【0105】
これにより、次年度の顧客（対象ユーザ）の離反を防止するための施策に関する情報を提供することができる。
【0106】
【0107】
図１４は、離反者予測処理の具体的処理手順の一例を示すフローチャートである。図１４のフローチャートにおいて、まず、情報処理装置１０１は、予測用データＤＢ２３０から選択されていない未選択のＸ年度の予測用データを選択する（ステップＳ１４０１）。
【0108】
つぎに、情報処理装置１０１は、ステップＳ１３０２において生成した機械学習モデルＭを用いて、選択した予測用データに基づいて、（Ｘ＋１）年度に顧客が離反するか否かを判定する（ステップＳ１４０２）。そして、情報処理装置１０１は、顧客が離反すると判定したか否かを判断する（ステップＳ１４０３）。
【0109】
ここで、顧客が離反しないと判定した場合（ステップＳ１４０３：Ｎｏ）、情報処理装置１０１は、選択した予測用データの離反フラグに「０」を設定して（ステップＳ１４０４）、ステップＳ１４０６に移行する。一方、顧客が離反すると判定した場合（ステップＳ１４０３：Ｙｅｓ）、情報処理装置１０１は、選択した予測用データの離反フラグに「１」を設定する（ステップＳ１４０５）。
【0110】
そして、情報処理装置１０１は、予測用データＤＢ２３０から選択されていない未選択のＸ年度の予測用データがあるか否かを判断する（ステップＳ１４０６）。ここで、未選択の予測用データがある場合（ステップＳ１４０６：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１４０１に戻る。
【0111】
一方、未選択の予測用データがない場合（ステップＳ１４０６：Ｎｏ）、情報処理装置１０１は、離反者予測処理を呼び出したステップに戻る。これにより、Ｘ年度の顧客の予測用データから、（Ｘ＋１）年度に顧客が離反するか否かを予測することができる。
【0112】
【0113】
図１５は、設定ファイル作成処理の具体的処理手順の一例を示すフローチャートである。図１５のフローチャートにおいて、まず、情報処理装置１０１は、タグＴｊの「ｊ」を「ｊ＝１」とし（ステップＳ１５０１）、タグマスタ２４０を参照して、タグＴｊを選択する（ステップＳ１５０２）。
【0114】
つぎに、情報処理装置１０１は、選択したタグＴｊの施策可能フラグが「１」であるか否かを判断する（ステップＳ１５０３）。ここで、施策可能フラグが「０」の場合（ステップＳ１５０３：Ｎｏ）、情報処理装置１０１は、ステップＳ１５０５に移行する。
【0115】
一方、施策可能フラグが「１」の場合（ステップＳ１５０３：Ｙｅｓ）、情報処理装置１０１は、選択したタグＴｊをシミュレーションタグとして設定ファイルに登録する（ステップＳ１５０４）。つぎに、情報処理装置１０１は、タグＴｊの「ｊ」をインクリメントする（ステップＳ１５０５）。
【0116】
そして、情報処理装置１０１は、「ｊ」が「ｍ」より大きくなったか否かを判断する（ステップＳ１５０６）。ここで、「ｊ」が「ｍ」以下の場合（ステップＳ１５０６：Ｎｏ）、情報処理装置１０１は、ステップＳ１５０２に戻る。一方、「ｊ」が「ｍ」より大きくなった場合（ステップＳ１５０６：Ｙｅｓ）、情報処理装置１０１は、設定ファイル作成処理を呼び出したステップに戻る。
【0117】
これにより、タグＴ１～Ｔｍのうち、顧客（対象ユーザ）の性別や年齢などの基本属性に関するタグを探索範囲から除外することができる。
【0118】
【0119】
図１６は、シミュレーション処理の具体的処理手順の一例を示すフローチャートである。図１６のフローチャートにおいて、まず、情報処理装置１０１は、図１５のフローチャートにおいて作成された設定ファイルを参照して、未選択のシミュレーションタグを選択する（ステップＳ１６０１）。
【0120】
つぎに、情報処理装置１０１は、図１３に示したステップＳ１３０５において選択した予測用データを参照して、選択したシミュレーションタグの値が「０」であるか否かを判断する（ステップＳ１６０２）。ここで、シミュレーションタグの値が「１」の場合（ステップＳ１６０２：Ｎｏ）、情報処理装置１０１は、ステップＳ１６０８に移行する。
【0121】
一方、シミュレーションタグの値が「０」の場合（ステップＳ１６０２：Ｙｅｓ）、情報処理装置１０１は、選択した予測用データのシミュレーションタグの値を「０」から「１」に変更する（ステップＳ１６０３）。つぎに、情報処理装置１０１は、生成した機械学習モデルＭを用いて、シミュレーションタグの値を変更した変更後の予測用データに基づいて、（Ｘ＋１）年度に顧客が離反するか否かを判定する（ステップＳ１６０４）。
【0122】
そして、情報処理装置１０１は、顧客が離反すると判定したか否かを判断する（ステップＳ１６０５）。ここで、顧客が離反すると判定した場合（ステップＳ１６０５：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０７に移行する。
【0123】
一方、顧客が離反しないと判定した場合（ステップＳ１６０５：Ｎｏ）、情報処理装置１０１は、選択した予測用データの顧客ＩＤと、選択したシミュレーションタグのタグ名とを対応付けて、離反対策ファイルに登録する（ステップＳ１６０６）。
【0124】
つぎに、情報処理装置１０１は、選択した予測用データのシミュレーションタグの値を「１」から「０」に戻す（ステップＳ１６０７）。そして、情報処理装置１０１は、設定ファイルを参照して、選択されていない未選択のシミュレーションタグがあるか否かを判断する（ステップＳ１６０８）。
【0125】
ここで、未選択のシミュレーションタグがある場合（ステップＳ１６０８：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０１に戻る。一方、未選択のシミュレーションタグがない場合（ステップＳ１６０８：Ｎｏ）、情報処理装置１０１は、シミュレーション処理を呼び出したステップに戻る。
【0126】
これにより、顧客（対象ユーザ）の離反の判定結果を反転させるシミュレーションタグを、顧客の離反を防止するための施策の対象として探索することができる。
【0127】
以上説明したように、実施の形態１にかかる情報処理装置１０１によれば、所定期間Ｔにおける対象ユーザの特性を示すタグＴ１～Ｔｍの値に基づいて、所定期間Ｔ以降に対象ユーザが離反するか否かを判定することができる。また、情報処理装置１０１によれば、離反すると判定した対象ユーザに対応するタグＴ１～Ｔｍの少なくともいずれかのタグＴｊの値を変更したときの対象ユーザが離反するか否かの判定結果に基づいて、タグＴ１～Ｔｍから、施策対象タグを探索することができる。施策対象タグは、対象ユーザの離反を防止する施策に関連するタグである。そして、情報処理装置１０１によれば、探索した探索結果、または探索結果を特定する情報を、対象ユーザと対応付けて出力することができる。
【0128】
これにより、離反すると予測された対象ユーザ（例えば、小売店の顧客）の離反を防止するための有効な施策に関する情報を提供することができる。例えば、企業のマーケティング担当者は、顧客に対してどのような施策を打てば、離反を防止することができるか判断することができる。
【0129】
また、情報処理装置１０１によれば、対象ユーザの離反の判定結果を変更させるタグを、施策対象タグとして探索することができる。
【0130】
これにより、タグＴ１～Ｔｍのうち、その値を変更すると、離反すると予測された対象ユーザの予測結果が「離反しない」に変わるタグを探索することができ、離反を防止するための有効な施策に関する情報を提供することができる。
【0131】
また、情報処理装置１０１によれば、タグＴ１～Ｔｍのうち、対象ユーザの基本属性に関するタグを除く少なくともいずれかのタグの値を変更したときの対象ユーザが離反するか否かの判定結果に基づいて、施策対象タグを探索することができる。
【0132】
これにより、企業側からのアクションでは変更することができない性別や年齢などの基本属性に関するタグが施策対象タグとして探索されるのを防ぐことができる。
【0133】
また、情報処理装置１０１によれば、学習用データＤＢ２２０を参照して、タグＴ１～Ｔｍの値から離反するか否かを判別する機械学習モデルＭを生成することができる。学習用データＤＢ２２０は、複数のユーザの各ユーザについて、特定の期間における各ユーザの特性を示すタグＴ１～Ｔｍの値と、特定の期間以降に各ユーザが離反したか否かを示す離反結果とを含む学習用データを記憶する。そして、情報処理装置１０１は、生成した機械学習モデルＭを用いて、各ユーザが離反するか否かの判定を行うことができる。
【0134】
これにより、過去のデータをもとに、どのようなデータ（タグＴ１～Ｔｍの値）のユーザが、離反する傾向があるのか、あるいは、離反しない傾向があるのかを学習して、各ユーザの離反を予測することができる。
【0135】
（実施の形態２）
つぎに、実施の形態２にかかる情報処理装置１０１について説明する。実施の形態２では、タグＴｊと離反フラグとの相関を考慮して、タグＴ１～Ｔｍからシミュレーションタグを決定する場合について説明する。なお、実施の形態１で説明した箇所と同様の箇所については、図示および説明を省略する。
つぎに、実施の形態２にかかる情報処理装置１０１について説明する。実施の形態２では、タグＴｊと離反フラグとの相関を考慮して、タグＴ１～Ｔｍからシミュレーションタグを決定する場合について説明する。なお、実施の形態１で説明した箇所と同様の箇所については、図示および説明を省略する。
【0136】
以下、情報処理装置１０１の各機能部の具体的な処理内容について説明する。
【0137】
判定部７０３は、所定期間Ｔにおける複数のユーザの各ユーザの特性を示すタグＴ１～Ｔｍの情報に基づいて、所定期間Ｔ以降に各ユーザが離反するか否かを判定する。ここで、複数のユーザは、離反するか否かを予測（判定）する複数のユーザである。例えば、所定期間Ｔを「Ｘ年」とすると、複数のユーザは、予測用データＤＢ２３０内のＸ年度の複数の予測用データそれぞれの顧客ＩＤにより識別される顧客である。
【0138】
具体的には、例えば、判定部７０３は、生成された機械学習モデルＭを用いて、予測用データＤＢ２３０内のＸ年度の各予測用データに基づいて、各ユーザが離反するか否かを判定する。これにより、Ｘ年における各顧客（各ユーザ）の特性を示すタグＴ１～Ｔｍの情報から、（Ｘ＋１）年に各顧客が離反するか否かを予測することができる。
【0139】
以下の説明では、離反するか否かの判定結果（予測結果）が離反フラグに設定された予測用データを「予測用データ（予測後）」と表記する場合がある。
【0140】
探索部７０４は、判定された各ユーザが離反するか否かの判定結果に基づいて、タグＴ１～Ｔｍから、シミュレーションタグ（処理対象のタグ）を決定する。そして、探索部７０４は、決定したシミュレーションタグの少なくともいずれかのタグの値を変更したときの対象ユーザが離反するか否かの判定結果に基づいて、施策対象タグを探索する。
【0141】
具体的には、例えば、探索部７０４は、タグＴ１～Ｔｍに含まれる各タグＴｊについて、各ユーザの離反の判定結果との相関の度合いを示す相関度を算出する。そして、探索部７０４は、算出した各タグＴｊの相関度に基づいて、シミュレーションタグを決定する。
【0142】
より詳細に説明すると、例えば、探索部７０４は、予測用データＤＢ２３０内のＸ年度の各予測用データ（予測後）に基づいて、下記式（１）を用いて、タグＴｊと離反フラグとの相関係数Ｃｊを算出することができる。ただし、複数のユーザを「顧客Ｐ１～Ｐｎ」とし（ｎ：２以上の自然数）、顧客Ｐ１～Ｐｎのうちの任意の顧客を「顧客Ｐｉ」とする。ｘiは、顧客ＰｉのタグＴｊの値（０または１）である。ｙiは、顧客Ｐｉの離反フラグの値（０または１）である。μxは、顧客Ｐ１～ＰｎにおけるタグＴｊの値の平均値である。μyは、顧客Ｐ１～Ｐｎにおける離反フラグの値の平均値である。
【0143】
【数1】
【0144】
正の相関があるときは、相関係数Ｃｊは、正の値をとる（０＜Ｃｊ≦１）。相関がないときは、相関係数Ｃｊは、「０」となる。負の相関があるときは、相関係数Ｃｊは、負の値をとる（－１≦Ｃｊ＜０）。相関係数Ｃｊが「１」に近いほど、正の相関は強くなり、相関係数Ｃｊが「－１」に近いほど、負の相関は強くなる。
【0145】
算出された相関係数Ｃｊは、例えば、図１７に示すような相関係数テーブル１７００に記憶される。相関係数テーブル１７００は、例えば、図３に示した情報処理装置１０１のメモリ３０２、ディスク３０４などの記憶装置により実現される。
【0146】
図１７は、相関係数テーブル１７００の記憶内容の一例を示す説明図である。図１７において、相関係数テーブル１７００は、タグＩＤおよび相関係数のフィールドを有し、各フィールドに情報を設定することで、相関情報１７００－１～１７００－ｍをレコードとして記憶する。タグＩＤは、タグＴｊを一意に識別する識別子である。相関係数は、タグＴｊと離反フラグとの相関の度合いを示す指標値である。
【0147】
ここで、負の相関が強いほど、タグＴｊの値が「１」になったら、離反フラグが「０」となる傾向がある。そこで、探索部７０４は、相関係数テーブル１７００を参照して、相関係数Ｃが低い順にＮ個のタグをシミュレーションタグに決定することにしてもよい。Ｎは、１以上の自然数であり、任意に設定可能である。
【0148】
ただし、ここでは施策対象タグの値を「０」から「１」に変更する施策を打つことを前提とする。また、基本属性に関するタグは、シミュレーションタグから除外することにしてもよい。
【0149】
（情報処理装置１０１の離反防止支援処理手順）
つぎに、実施の形態２にかかる情報処理装置１０１の離反防止支援処理手順について説明する。ただし、図１３に示したステップＳ１３０４の設定ファイル作成処理の具体的な処理手順以外については、実施の形態１にかかる情報処理装置１０１の離反防止支援処理と同様である。ここでは、実施の形態２にかかる情報処理装置１０１の設定ファイル作成処理の具体的な処理手順についてのみ説明する。
つぎに、実施の形態２にかかる情報処理装置１０１の離反防止支援処理手順について説明する。ただし、図１３に示したステップＳ１３０４の設定ファイル作成処理の具体的な処理手順以外については、実施の形態１にかかる情報処理装置１０１の離反防止支援処理と同様である。ここでは、実施の形態２にかかる情報処理装置１０１の設定ファイル作成処理の具体的な処理手順についてのみ説明する。
【0150】
図１８は、実施の形態２にかかる情報処理装置１０１の設定ファイル作成処理の具体的処理手順の一例を示すフローチャートである。図１８のフローチャートにおいて、まず、情報処理装置１０１は、シミュレーション回数Ｎを設定する（ステップＳ１８０１）。なお、シミュレーション回数Ｎは、任意に設定可能であり、例えば、２～３程度の値に設定される。
【0151】
つぎに、情報処理装置１０１は、タグＴｊの「ｊ」を「ｊ＝１」とし（ステップＳ１８０２）、タグマスタ２４０を参照して、タグＴｊを選択する（ステップＳ１８０３）。そして、情報処理装置１０１は、選択したタグＴｊの施策可能フラグが「１」であるか否かを判断する（ステップＳ１８０４）。
【0152】
ここで、施策可能フラグが「０」の場合（ステップＳ１８０４：Ｎｏ）、情報処理装置１０１は、ステップＳ１８０７に移行する。
【0153】
一方、施策可能フラグが「１」の場合（ステップＳ１８０４：Ｙｅｓ）、情報処理装置１０１は、選択したタグＴｊと離反フラグとの相関係数Ｃｊを算出する（ステップＳ１８０５）。相関係数Ｃｊは、例えば、上記式（１）を用いて、予測用データＤＢ２３０内のＸ年度の各予測用データ（予測後）から算出される。
【0154】
そして、情報処理装置１０１は、算出した相関係数Ｃｊを相関係数テーブル１７００に記録する（ステップＳ１８０６）。つぎに、情報処理装置１０１は、タグＴｊの「ｊ」をインクリメントする（ステップＳ１８０７）。そして、情報処理装置１０１は、「ｊ」が「ｍ」より大きくなったか否かを判断する（ステップＳ１８０８）。
【0155】
ここで、「ｊ」が「ｍ」以下の場合（ステップＳ１８０８：Ｎｏ）、情報処理装置１０１は、ステップＳ１８０３に戻る。一方、「ｊ」が「ｍ」より大きくなった場合（ステップＳ１８０８：Ｙｅｓ）、情報処理装置１０１は、相関係数テーブル１７００を参照して、相関係数Ｃが低い順にＮ個のタグを抽出する（ステップＳ１８０９）。
【0156】
そして、情報処理装置１０１は、抽出したＮ個のタグをシミュレーションタグとして設定ファイルに登録して（ステップＳ１８１０）、設定ファイル作成処理を呼び出したステップに戻る。これにより、Ｘ年度の全顧客において、離反フラグとの負の相関が強いタグＴｊ、すなわち、値が「１」になったら、離反フラグが「０」となる傾向が強いタグＴｊを、シミュレーションタグに決定することができる。
【0157】
以上説明したように、実施の形態２にかかる情報処理装置１０１によれば、所定期間Ｔにおける複数のユーザの各ユーザの特性を示すタグＴ１～Ｔｍの値に基づいて、所定期間Ｔ以降に各ユーザが離反するか否かを判定し、判定した各ユーザが離反するか否かの判定結果に基づいて、タグＴ１～Ｔｍから、シミュレーションタグ（処理対象のタグ）を決定することができる。そして、情報処理装置１０１によれば、決定したシミュレーションタグの少なくともいずれかのタグの値を変更したときの対象ユーザが離反するか否かの判定結果に基づいて、施策対象タグを探索することができる。
【0158】
これにより、各ユーザの離反の予測結果を考慮して、施策対象タグを探索する範囲を絞ることができ、探索処理の効率化を図ることができる。
【0159】
また、情報処理装置１０１によれば、判定した各ユーザが離反するか否かの判定結果に基づいて、タグＴ１～Ｔｍに含まれる各タグＴｊについて、各ユーザの離反の判定結果との相関の度合いを示す相関度（例えば、相関係数Ｃｊ）を算出することができる。そして、情報処理装置１０１によれば、算出した各タグＴｊの相関度に基づいて、シミュレーションタグを決定することができる。
【0160】
これにより、例えば、タグＴ１～Ｔｍのうち、その値が「１」であれば、離反しないと予測される傾向が強いタグを、シミュレーションタグに決定することができ、顧客の離反を防止する有効な施策につながるタグを効率的に探索することができる。
【0161】
（実施の形態３）
つぎに、実施の形態３にかかる情報処理装置１０１について説明する。実施の形態３では、離反しないと予測された顧客のタグの値を考慮して、シミュレーションタグ（処理対象のタグ）を決定する場合について説明する。なお、実施の形態１，２で説明した箇所と同様の箇所については、図示および説明を省略する。
つぎに、実施の形態３にかかる情報処理装置１０１について説明する。実施の形態３では、離反しないと予測された顧客のタグの値を考慮して、シミュレーションタグ（処理対象のタグ）を決定する場合について説明する。なお、実施の形態１，２で説明した箇所と同様の箇所については、図示および説明を省略する。
【0162】
以下、情報処理装置１０１の各機能部の具体的な処理内容について説明する。
【0163】
判定部７０３は、所定期間Ｔにおける複数のユーザの各ユーザの特性を示すタグＴ１～Ｔｍの情報に基づいて、所定期間Ｔ以降に各ユーザが離反するか否かを判定する。具体的には、例えば、判定部７０３は、生成された機械学習モデルＭを用いて、予測用データＤＢ２３０内のＸ年度の各予測用データに基づき、各ユーザが離反するか否かを判定する。
【0164】
これにより、Ｘ年における各顧客（各ユーザ）の特性を示すタグＴ１～Ｔｍの情報から、（Ｘ＋１）年に各顧客が離反するか否かを予測することができる。
【0165】
探索部７０４は、判定された各ユーザが離反するか否かの判定結果に基づいて、複数のユーザのうち離反しないと判定されたユーザを特定する。具体的には、例えば、探索部７０４は、予測用データＤＢ２３０内のＸ年度の予測用データ（予測後）のうち、離反フラグが「０」の予測用データ（予測後）を抽出する。そして、探索部７０４は、抽出した予測用データ（予測後）の顧客ＩＤにより識別される顧客を継続予測者として特定する。
【0166】
これにより、（Ｘ＋１）年度に離反しないと判定されたユーザを特定することができる。以下の説明では、離反しないと判定された顧客（対象ユーザ）を「継続予測者」と表記する場合がある。
【0167】
探索部７０４は、特定した継続予測者の特性を示すタグＴ１～Ｔｍの情報に基づいて、シミュレーションタグを決定する。具体的には、例えば、探索部７０４は、抽出した離反フラグ「０」の予測用データ（予測後）のタグＴｊの値を累積することにより、フラグ合計値Ｓｊを算出する。
【0168】
算出されたフラグ合計値Ｓｊは、例えば、図１９に示すようなフラグ合計値テーブル１９００に記憶される。フラグ合計値テーブル１９００は、例えば、図３に示した情報処理装置１０１のメモリ３０２、ディスク３０４などの記憶装置により実現される。
【0169】
図１９は、フラグ合計値テーブル１９００の記憶内容の一例を示す説明図である。図１９において、フラグ合計値テーブル１９００は、タグＩＤおよびフラグ合計値のフィールドを有し、各フィールドに情報を設定することで、フラグ合計値情報１９００－１～１９００－ｍをレコードとして記憶する。タグＩＤは、タグＴｊを一意に識別する識別子である。フラグ合計値は、全継続予測者のタグＴｊの値を累積した合計値である。
【0170】
例えば、フラグ合計値Ｓ１は、各継続予測者のタグＴ１の値を累積したものである。フラグ合計値Ｓｊが大きいほど、継続予測者によく立っているタグＴｊであるといえる。そこで、探索部７０４は、フラグ合計値テーブル１９００を参照して、フラグ合計値Ｓが大きい順にＮ個のタグをシミュレーションタグに決定することにしてもよい。
【0171】
ただし、ここでは施策対象タグの値を「０」から「１」に変更する施策を打つことを前提とする。また、基本属性に関するタグは、シミュレーションタグから除外することにしてもよい。
【0172】
（情報処理装置１０１の離反防止支援処理手順）
つぎに、実施の形態３にかかる情報処理装置１０１の離反防止支援処理手順について説明する。ただし、図１３に示したステップＳ１３０４の設定ファイル作成処理の具体的な処理手順以外については、実施の形態１にかかる情報処理装置１０１の離反防止支援処理と同様である。ここでは、実施の形態３にかかる情報処理装置１０１の設定ファイル作成処理の具体的な処理手順についてのみ説明する。
つぎに、実施の形態３にかかる情報処理装置１０１の離反防止支援処理手順について説明する。ただし、図１３に示したステップＳ１３０４の設定ファイル作成処理の具体的な処理手順以外については、実施の形態１にかかる情報処理装置１０１の離反防止支援処理と同様である。ここでは、実施の形態３にかかる情報処理装置１０１の設定ファイル作成処理の具体的な処理手順についてのみ説明する。
【0173】
図２０は、実施の形態３にかかる情報処理装置１０１の設定ファイル作成処理の具体的処理手順の一例を示すフローチャートである。図２０のフローチャートにおいて、まず、情報処理装置１０１は、シミュレーション回数Ｎを設定する（ステップＳ２００１）。そして、情報処理装置１０１は、予測用データＤＢ２３０内のＸ年度の予測用データ（予測後）のうち、離反フラグが「０」の予測用データ（予測後）を抽出する（ステップＳ２００２）。
【0174】
つぎに、情報処理装置１０１は、タグＴｊの「ｊ」を「ｊ＝１」とし（ステップＳ２００３）、タグマスタ２４０を参照して、タグＴｊを選択する（ステップＳ２００４）。そして、情報処理装置１０１は、選択したタグＴｊの施策可能フラグが「１」であるか否かを判断する（ステップＳ２００５）。
【0175】
ここで、施策可能フラグが「０」の場合（ステップＳ２００５：Ｎｏ）、情報処理装置１０１は、ステップＳ２００８に移行する。
【0176】
一方、施策可能フラグが「１」の場合（ステップＳ２００５：Ｙｅｓ）、情報処理装置１０１は、抽出した予測用データ（予測後）のタグＴｊの値を累積することにより、タグＴｊのフラグ合計値Ｓｊを算出する（ステップＳ２００６）。
【0177】
そして、情報処理装置１０１は、算出したフラグ合計値Ｓｊをフラグ合計値テーブル１９００に記録する（ステップＳ２００７）。つぎに、情報処理装置１０１は、タグＴｊの「ｊ」をインクリメントする（ステップＳ２００８）。そして、情報処理装置１０１は、「ｊ」が「ｍ」より大きくなったか否かを判断する（ステップＳ２００９）。
【0178】
ここで、「ｊ」が「ｍ」以下の場合（ステップＳ２００９：Ｎｏ）、情報処理装置１０１は、ステップＳ２００４に戻る。一方、「ｊ」が「ｍ」より大きくなった場合（ステップＳ２００９：Ｙｅｓ）、情報処理装置１０１は、フラグ合計値テーブル１９００を参照して、フラグ合計値Ｓが大きい順にＮ個のタグを抽出する（ステップＳ２０１０）。
【0179】
そして、情報処理装置１０１は、抽出したＮ個のタグをシミュレーションタグとして設定ファイルに登録して（ステップＳ２０１１）、設定ファイル作成処理を呼び出したステップに戻る。これにより、継続予測者によく立っているタグＴｊを、シミュレーションタグに決定することができる。
【0180】
以上説明したように、実施の形態３にかかる情報処理装置１０１によれば、所定期間Ｔにおける複数のユーザの各ユーザの特性を示すタグＴ１～Ｔｍの値に基づいて、所定期間Ｔ以降に各ユーザが離反するか否かを判定することができる。また、情報処理装置１０１によれば、判定した各ユーザが離反するか否かの判定結果に基づいて、複数のユーザのうち離反しないと判定された継続予測者を特定することができる。そして、情報処理装置１０１によれば、特定した継続予測者の特性を示すタグＴ１～Ｔｍの値に基づいて、シミュレーションタグ（処理対象のタグ）を決定することができる。
【0181】
これにより、継続予測者において値が「１」となっている割合が高いタグを、シミュレーションタグに決定することができ、顧客の離反を防止する有効な施策につながるタグを効率的に探索することができる。
【0182】
（実施の形態４）
つぎに、実施の形態４にかかる情報処理装置１０１について説明する。実施の形態４では、施策に対する反応率を考慮して、シミュレーションタグ（処理対象のタグ）を決定する場合について説明する。なお、実施の形態１～３で説明した箇所と同様の箇所については、図示および説明を省略する。
つぎに、実施の形態４にかかる情報処理装置１０１について説明する。実施の形態４では、施策に対する反応率を考慮して、シミュレーションタグ（処理対象のタグ）を決定する場合について説明する。なお、実施の形態１～３で説明した箇所と同様の箇所については、図示および説明を省略する。
【0183】
以下、情報処理装置１０１の各機能部の具体的な処理内容について説明する。
【0184】
探索部７０４は、タグＴ１～Ｔｍに含まれる各タグＴｊについて、各タグＴｊに関連する施策が実行されたユーザ群のうち、施策に反応したユーザの割合に基づいて、シミュレーションタグを決定する。ここで、タグＴｊに関連する施策とは、例えば、タグＴｊに関連する商品、サービスについてのダイレクトメール等を利用した販売促進活動である。
【0185】
また、施策に反応したユーザとは、例えば、施策に反応して来店したり、商品やサービスを購入したりといった行動をとったユーザである。以下の説明では、タグＴｊに関連する施策が実行されたユーザ群のうち、施策に反応したユーザの割合を「反応率」と表記する場合がある。
【0186】
各タグＴｊの反応率は、例えば、図２１に示すような施策マスタ２１００の記憶内容をもとに算出される。ここで、情報処理装置１０１が有する施策マスタ２１００の記憶内容について説明する。施策マスタ２１００は、例えば、メモリ３０２、ディスク３０４などの記憶装置により実現される。
【0187】
図２１は、施策マスタ２１００の記憶内容の一例を示す説明図である。図２１において、施策マスタ２１００は、タグＩＤ、販促反応人数および販促人数のフィールドを有し、各フィールドに情報を設定することで、施策情報（例えば、施策情報２１００－１～２１００－３）をレコードとして記憶する。
【0188】
タグＩＤは、タグＴｊを一意に識別する識別子である。販促反応人数は、タグＴｊに関連する販売促進（施策）に反応した顧客の数である。例えば、ある商品の販売促進を行ってから、１～２週間以内にその商品を購入したユーザを、販促反応人数としてカウントする。販促人数は、タグＴｊに関連する販売促進（施策）が行われた顧客の数である。
【0189】
例えば、施策情報２１００－１は、タグＴ１の販促反応人数「２０００」および販促人数「１００００」を示す。なお、情報処理装置１０１は、他のコンピュータ（例えば、図２に示したクライアント装置２０１）から受信することにより、または、不図示の入力装置を用いた操作入力により、施策マスタ２１００内の施策情報を取得する。
【0190】
探索部７０４は、例えば、施策マスタ２１００を参照して、各タグＴｊの反応率Ｒｊを算出する。より詳細に説明すると、例えば、探索部７０４は、施策情報２１００－１を参照して、販促反応人数「２０００」を販促人数「１００００」で割ることにより、タグＴ１の反応率「０．２」を算出する。
【0191】
算出された反応率Ｒｊは、例えば、図２２に示すような反応率テーブル２２００に記憶される。反応率テーブル２２００は、例えば、メモリ３０２、ディスク３０４などの記憶装置により実現される。
【0192】
図２２は、反応率テーブル２２００の記憶内容の一例を示す説明図である。図２２において、反応率テーブル２２００は、タグＩＤおよび反応率のフィールドを有し、各フィールドに情報を設定することで、反応率情報２２００－１～２２００－ｍをレコードとして記憶する。
【0193】
タグＩＤは、タグＴｊを一意に識別する識別子である。反応率は、タグＴｊに関連する施策が実行されたユーザ群のうち、施策に反応したユーザの割合を示す。なお、施策マスタ２１００内に施策情報がないタグＴｊ、例えば、施策が行われた実績がないタグＴｊの反応率Ｒｊは「０」とする。
【0194】
ここで、反応率Ｒｊが高いタグＴｊほど、販売促進の効果が得られやすいタグであるといえる。そこで、探索部７０４は、反応率テーブル２２００を参照して、反応率Ｒが高い順にＮ個のタグをシミュレーションタグに決定することにしてもよい。ただし、ここでは施策対象タグの値を「０」から「１」に変更する施策を打つことを前提とする。また、基本属性に関するタグは、シミュレーションタグから除外することにしてもよい。
【0195】
（情報処理装置１０１の離反防止支援処理手順）
つぎに、実施の形態４にかかる情報処理装置１０１の離反防止支援処理手順について説明する。ただし、図１３に示したステップＳ１３０４の設定ファイル作成処理の具体的な処理手順以外については、実施の形態１にかかる情報処理装置１０１の離反防止支援処理と同様である。ここでは、実施の形態４にかかる情報処理装置１０１の設定ファイル作成処理の具体的な処理手順についてのみ説明する。
つぎに、実施の形態４にかかる情報処理装置１０１の離反防止支援処理手順について説明する。ただし、図１３に示したステップＳ１３０４の設定ファイル作成処理の具体的な処理手順以外については、実施の形態１にかかる情報処理装置１０１の離反防止支援処理と同様である。ここでは、実施の形態４にかかる情報処理装置１０１の設定ファイル作成処理の具体的な処理手順についてのみ説明する。
【0196】
図２３は、実施の形態４にかかる情報処理装置１０１の設定ファイル作成処理の具体的処理手順の一例を示すフローチャートである。図２３のフローチャートにおいて、まず、情報処理装置１０１は、シミュレーション回数Ｎを設定する（ステップＳ２３０１）。
【0197】
つぎに、情報処理装置１０１は、タグＴｊの「ｊ」を「ｊ＝１」とし（ステップＳ２３０２）、タグマスタ２４０を参照して、タグＴｊを選択する（ステップＳ２３０３）。そして、情報処理装置１０１は、選択したタグＴｊの施策可能フラグが「１」であるか否かを判断する（ステップＳ２３０４）。
【0198】
ここで、施策可能フラグが「０」の場合（ステップＳ２３０４：Ｎｏ）、情報処理装置１０１は、ステップＳ２３０７に移行する。一方、施策可能フラグが「１」の場合（ステップＳ２３０４：Ｙｅｓ）、情報処理装置１０１は、施策マスタ２１００を参照して、タグＴｊの反応率Ｒｊを算出する（ステップＳ２３０５）。
【0199】
そして、情報処理装置１０１は、算出した反応率Ｒｊを反応率テーブル２２００に記録する（ステップＳ２３０６）。つぎに、情報処理装置１０１は、タグＴｊの「ｊ」をインクリメントする（ステップＳ２３０７）。そして、情報処理装置１０１は、「ｊ」が「ｍ」より大きくなったか否かを判断する（ステップＳ２３０８）。
【0200】
ここで、「ｊ」が「ｍ」以下の場合（ステップＳ２３０８：Ｎｏ）、情報処理装置１０１は、ステップＳ２３０３に戻る。一方、「ｊ」が「ｍ」より大きくなった場合（ステップＳ２３０８：Ｙｅｓ）、情報処理装置１０１は、反応率テーブル２２００を参照して、反応率Ｒが高い順にＮ個のタグを抽出する（ステップＳ２３０９）。
【0201】
そして、情報処理装置１０１は、抽出したＮ個のタグをシミュレーションタグとして設定ファイルに登録して（ステップＳ２３１０）、設定ファイル作成処理を呼び出したステップに戻る。これにより、施策（販売促進）に対する反応率Ｒｊが高いタグＴｊを、シミュレーションタグに決定することができる。
【0202】
以上説明したように、実施の形態４にかかる情報処理装置１０１によれば、タグＴ１～Ｔｍに含まれる各タグＴｊについて、各タグＴｊに関連する施策が実行されたユーザ群のうち、施策に反応したユーザの割合（例えば、反応率Ｒｊ）に基づいて、シミュレーションタグを決定することができる。
【0203】
これにより、施策（販売促進）の効果が得られやすいタグを、シミュレーションタグに決定することができ、顧客の離反を防止する有効な施策につながるタグを効率的に探索することができる。
【0204】
（実施の形態５）
つぎに、実施の形態５にかかる情報処理装置１０１について説明する。実施の形態５では、離反予測者との相関が強い継続予測者のタグの値を考慮して、シミュレーションタグ（処理対象のタグ）を決定する場合について説明する。なお、実施の形態１～４で説明した箇所と同様の箇所については、図示および説明を省略する。
つぎに、実施の形態５にかかる情報処理装置１０１について説明する。実施の形態５では、離反予測者との相関が強い継続予測者のタグの値を考慮して、シミュレーションタグ（処理対象のタグ）を決定する場合について説明する。なお、実施の形態１～４で説明した箇所と同様の箇所については、図示および説明を省略する。
【0205】
以下、情報処理装置１０１の各機能部の具体的な処理内容について説明する。以下の説明では、離反すると判定された顧客（対象ユーザ）を「離反予測者」と表記する場合がある。
【0206】
探索部７０４は、判定された各ユーザが離反するか否かの判定結果に基づいて、複数のユーザのうち離反しないと判定された継続予測者を特定する。具体的には、例えば、探索部７０４は、予測用データＤＢ２３０内のＸ年度の予測用データ（予測後）のうち、離反フラグが「０」の予測用データ（予測後）を抽出する。
【0207】
そして、探索部７０４は、抽出した予測用データ（予測後）の顧客ＩＤにより識別される顧客を継続予測者として特定する。これにより、（Ｘ＋１）年度に離反しないと判定された継続予測者を特定することができる。
【0208】
探索部７０４は、特定した各継続予測者について、各継続予測者の特性を示すタグＴ１～Ｔｍの値と、離反予測者の特性を示すタグＴ１～Ｔｍの値とに基づいて、離反予測者との相関の度合いを示す相関度を算出する。
【0209】
具体的には、例えば、探索部７０４は、Ｘ年度の離反予測者の予測用データ（予測後）とＸ年度の継続予測者の予測用データ（予測後）とに基づいて、下記式（２）を用いて、離反予測者と継続予測者との相関係数Ｃ’を算出することができる。ただし、ｘjは、離反予測者のタグＴｊの値（０または１）である。ｙjは、継続予測者のタグＴｊの値（０または１）である。μxは、離反予測者の全タグＴ１～Ｔｍの値の平均値である。μyは、継続予測者の全タグＴ１～Ｔｍの値の平均値である。
【0210】
【数2】
【0211】
探索部７０４は、算出した各継続予測者の相関度に基づいて、特定した継続予測者の中から、１または複数の継続予測者を抽出する。具体的には、例えば、探索部７０４は、特定した継続予測者の中から、算出した相関係数Ｃ’が閾値以上の継続予測者を抽出する。閾値は、任意に設定可能であり、例えば、０．４程度の値に設定される。また、例えば、探索部７０４は、特定した継続予測者の中から、算出した相関係数Ｃ’が高い上位Ｘ人の継続予測者を抽出することにしてもよい。Ｘは、任意に設定可能であり、例えば、３～５程度の値に設定される。
【0212】
これにより、離反予測者と各継続予測者とのタグＴ１～Ｔｍの値のパターンを比較して、離反予測者との相関が強い継続予測者を抽出することができる。継続予測者の抽出例については、図２４を用いて後述する。
【0213】
以下の説明では、特定した継続予測者の中から抽出した継続予測者を、特定した継続予測者と区別するために、「継続予測者（相関あり）」と表記する場合がある。
【0214】
探索部７０４は、抽出した１または複数の継続予測者（相関あり）の特性を示すタグＴ１～Ｔｍの情報に基づいて、シミュレーションタグを決定する。ここで、離反予測者との相関が強い継続予測者は、タグＴ１～Ｔｍの値のパターンが離反予測者と類似しており、行動パターンが似ているといえる。
【0215】
離反予測者に対して、継続予測者（相関あり）の行動パターンにより近づけるようなアクションを行えば、離反を防止することができる可能性が高い。このため、探索部７０４は、離反予測者の行動パターンを、継続予測者（相関あり）の行動パターンにさらに近づけるような施策につながるタグを探索する。
【0216】
具体的には、例えば、探索部７０４は、タグＴ１～Ｔｍに含まれる各タグＴｊについて、抽出した各継続予測者（相関あり）の予測用データ（予測後）の各タグＴｊの値を累積することにより、各タグＴｊのフラグ合計値αを算出する。そして、探索部７０４は、算出した各タグＴｊのフラグ合計値αに基づいて、タグＴ１～Ｔｍのうち、フラグ合計値αが大きい順にＫ個のタグをシミュレーションタグに決定することにしてもよい。Ｋは、任意に設定可能であり、例えば、１～３程度の値に設定される。
【0217】
ただし、ここでは施策対象タグの値を「０」から「１」に変更する施策を打つことを前提とする。また、基本属性に関するタグは、シミュレーションタグから除外することにしてもよい。
【0218】
なお、フラグ合計値αが大きい上位のタグ同士で、フラグ合計値αが、同じ、あるいは、同程度（例えば、±１程度の違い）となる場合があり、フラグ合計値αだけではタグの優劣を判断しにくいときがある。このため、探索部７０４は、特定した各継続予測者の予測用データ（予測後）のタグＴｊの値を累積することにより、フラグ合計値βを算出することにしてもよい。
【0219】
この場合、探索部７０４は、フラグ合計値αが高く、かつ、フラグ合計値βが高いＫ個のタグをシミュレーションタグに決定することにしてもよい。より具体的には、例えば、探索部７０４は、フラグ合計値αが大きい順にＫ個のタグを選ぶにあたり、フラグ合計値αが同じ、あるいは、同程度のタグが存在する場合には、フラグ合計値βが高いほうを優先することにしてもよい。
【0220】
（シミュレーションタグの決定例）
ここで、図２４を用いて、シミュレーションタグの決定例について説明する。ここでは、離反予測者を「顧客Ｐ１」とし、継続予測者を「顧客Ｐ３１００～Ｐ３１０３」とする。また、タグＴ１～Ｔｍを「タグＴ１～Ｔ６」とする（ｍ＝６）。
ここで、図２４を用いて、シミュレーションタグの決定例について説明する。ここでは、離反予測者を「顧客Ｐ１」とし、継続予測者を「顧客Ｐ３１００～Ｐ３１０３」とする。また、タグＴ１～Ｔｍを「タグＴ１～Ｔ６」とする（ｍ＝６）。
【0221】
図２４は、シミュレーションタグの決定例を示す説明図である。図２４において、離反予測者である顧客Ｐ１について、タグＴ１～Ｔ６の値と離反フラグ「１」とが示されている。また、継続予測者である各顧客Ｐ３１００～Ｐ３１０３について、タグＴ１～Ｔ６の値と離反フラグ「０」とが示されている。
【0222】
また、継続予測者である顧客Ｐ３１００～Ｐ３１０３について、離反予測者である顧客Ｐ１との相関係数Ｃ’が示されている。なお、各顧客Ｐ１，Ｐ３１００～Ｐ３１０３のタグＴ１～Ｔ６の値と離反フラグの値は、各顧客Ｐ１，Ｐ３１００～Ｐ３１０３の予測用データ（予測後）から特定される。
【0223】
ここで、相関係数Ｃ’の閾値を「０．４」とする。この場合、探索部７０４は、継続予測者である顧客Ｐ３１００～Ｐ３１０３の中から、相関係数Ｃ’が０．４以上の顧客を抽出する。ここでは、顧客Ｐ３１０１～Ｐ３１０３が、継続予測者（相関あり）として抽出される。
【0224】
つぎに、探索部７０４は、タグＴ１～Ｔ６に含まれる各タグＴｊについて、抽出した各継続予測者（相関あり）の各タグＴｊの値を累積することにより、各タグＴｊのフラグ合計値αを算出する。例えば、タグＴ１のフラグ合計値αは、「２」となる。
【0225】
また、探索部７０４は、タグＴ１～Ｔ６に含まれる各タグＴｊについて、各継続予測者の各タグＴｊの値を累積することにより、各タグＴｊのフラグ合計値βを算出する。例えば、タグＴ１のフラグ合計値βは、「３」となる。
【0226】
そして、探索部７０４は、タグＴ１～Ｔ６のうち、フラグ合計値αが高く、かつ、フラグ合計値βが高いＫ個のタグをシミュレーションタグに決定する。ただし、ここでは施策対象タグの値を「０」から「１」に変更する施策を打つことを前提とする。この場合、探索部７０４は、離反予測者の値が「１」であるタグを、シミュレーションタグから除外する。
【0227】
具体的には、例えば、探索部７０４は、離反予測者（顧客Ｐ１）の値が「０」であるタグＴ１，Ｔ２，Ｔ４，Ｔ５，Ｔ６のうち、フラグ合計値αが高く、かつ、フラグ合計値βが高いＮ個のタグをシミュレーションタグに決定する。ここで、シミュレーションタグの個数Ｋを「１」とする。
【0228】
この場合、まず、探索部７０４は、タグＴ１，Ｔ２，Ｔ４，Ｔ５，Ｔ６のうち、フラグ合計値αが最大のタグＴ１，Ｔ４を特定する。つぎに、探索部７０４は、特定したタグＴ１，Ｔ４のうち、フラグ合計値βが高いタグＴ１をシミュレーションタグに決定する。これにより、フラグ合計値αが高く、かつ、フラグ合計値βが高いタグＴ１をシミュレーションタグに決定することができる。
【0229】
（情報処理装置１０１の離反防止支援処理手順）
つぎに、実施の形態５にかかる情報処理装置１０１の離反防止支援処理手順について説明する。
つぎに、実施の形態５にかかる情報処理装置１０１の離反防止支援処理手順について説明する。
【0230】
図２５および図２６は、実施の形態５にかかる情報処理装置１０１の離反防止支援処理手順の一例を示すフローチャートである。図２５のフローチャートにおいて、まず、情報処理装置１０１は、学習用データＤＢ２２０から、（Ｘ－１）年度の学習用データを取得する（ステップＳ２５０１）。つぎに、情報処理装置１０１は、取得した学習用データに基づいて、次年度に顧客が離反するか否かを判別するための機械学習モデルＭを生成する（ステップＳ２５０２）。
【0231】
そして、情報処理装置１０１は、生成した機械学習モデルＭを用いて、次年度に顧客が離反するか否かを予測する離反者予測処理を実行する（ステップＳ２５０３）。なお、離反者予測処理の具体的な処理手順については、図１４に示した手順と同様のため、図示および説明を省略する。
【0232】
つぎに、情報処理装置１０１は、予測用データＤＢ２３０から、Ｘ年度の離反フラグ「０」の予測用データ（予測後）を抽出する（ステップＳ２５０４）。つぎに、情報処理装置１０１は、予測用データＤＢ２３０から、Ｘ年度の予測用データ（予測後）のうち選択されていない未選択の離反フラグ「１」の予測用データ（予測後）を選択する（ステップＳ２５０５）。
【0233】
そして、情報処理装置１０１は、選択した離反フラグ「１」の予測用データ（予測後）と、抽出した離反フラグ「０」の予測用データ（予測後）とに基づいて、離反予測者と各継続予測者との相関係数Ｃ’を算出する（ステップＳ２５０６）。
【0234】
つぎに、情報処理装置１０１は、ステップＳ２５０４において抽出した離反フラグ「０」の予測用データ（予測後）から特定される継続予測者の中から、算出した相関係数Ｃ’が０．４以上の継続予測者（相関あり）を抽出する（ステップＳ２５０７）。そして、情報処理装置１０１は、抽出した各継続予測者（相関あり）の予測用データ（予測後）の各タグＴｊの値を累積することにより、各タグＴｊのフラグ合計値αを算出する（ステップＳ２５０８）。
【0235】
つぎに、情報処理装置１０１は、ステップＳ２５０４において抽出した離反フラグ「０」の予測用データ（予測後）の各タグＴｊの値を累積することにより、各タグＴｊのフラグ合計値βを算出する（ステップＳ２５０９）。
【0236】
そして、情報処理装置１０１は、算出した各タグＴｊのフラグ合計値α，βに基づいて、タグＴ１～Ｔｍを並び替えてリストＬに格納して（ステップＳ２５１０）、図２６に示すステップＳ２６０１に移行する。この際、情報処理装置１０１は、フラグ合計値αが高いものを上位にしつつ、フラグ合計値αが同じものがあれば、フラグ合計値βが高いものを上位にする。
【0237】
図２６のフローチャートにおいて、まず、情報処理装置１０１は、算出した各タグＴｊのフラグ合計値αの最大値αmaxが「０」であるか否かを判断する（ステップＳ２６０１）。ここで、最大値αmaxが「０」の場合（ステップＳ２６０１：Ｙｅｓ）、情報処理装置１０１は、ステップＳ２６０３に移行する。
【0238】
すなわち、全タグＴ１～Ｔｍについて、すべての継続予測者（相関あり）の値が「０」である場合は、情報処理装置１０１は、シミュレーションタグとなるタグが存在しないと判断して、ステップＳ２６０３に移行する。
【0239】
一方、最大値αmaxが「０」ではない場合（ステップＳ２６０１：Ｎｏ）、情報処理装置１０１は、第２のシミュレーション処理を実行する（ステップＳ２６０２）。第２のシミュレーション処理は、ステップＳ２５０５において選択された離反フラグ「１」の予測用データ（予測後）について、シミュレーションタグの値を変更して、顧客が離反するか否かのシミュレーションを行う処理である。第２のシミュレーション処理の具体的な処理手順については、図２７を用いて後述する。
【0240】
つぎに、情報処理装置１０１は、Ｘ年度の予測用データ（予測後）のうち選択されていない未選択の離反フラグ「１」の予測用データ（予測後）があるか否かを判断する（ステップＳ２６０３）。ここで、未選択の予測用データ（予測後）がある場合（ステップＳ２６０３：Ｙｅｓ）、情報処理装置１０１は、ステップＳ２５０５に戻る。
【0241】
一方、未選択の予測用データがない場合（ステップＳ２６０３：Ｎｏ）、情報処理装置１０１は、後述の図２７のフローチャートにおいて作成される離反対策ファイルを出力して（ステップＳ２６０４）、本フローチャートによる一連の処理を終了する。
【0242】
これにより、次年度の顧客（対象ユーザ）の離反を防止するための施策に関する情報を提供することができる。
【0243】
【0244】
図２７は、第２のシミュレーション処理の具体的処理手順の一例を示すフローチャートである。図２７のフローチャートにおいて、まず、情報処理装置１０１は、シミュレーション回数Ｋを設定する（ステップＳ２７０１）。なお、シミュレーション回数Ｋは、任意に設定可能であり、例えば、１～３程度の値に設定される。
【0245】
つぎに、情報処理装置１０１は、変数ｋを「ｋ＝１」とし（ステップＳ２７０２）、リストＬから選択されていない未選択のタグのうちの最上位のタグを選択する（ステップＳ２７０３）。つぎに、情報処理装置１０１は、図２５に示したステップＳ２５０５において選択した予測用データ（予測後）を参照して、選択したタグの値が「０」であるか否かを判断する（ステップＳ２７０４）。
【0246】
ここで、タグの値が「１」の場合（ステップＳ２７０４：Ｎｏ）、情報処理装置１０１は、ステップＳ２７０３に戻って、リストＬから選択されていない未選択のタグのうちの最上位のタグを選択する。一方、タグの値が「０」の場合（ステップＳ２７０４：Ｙｅｓ）、情報処理装置１０１は、タグマスタ２４０を参照して、選択したタグの施策可能フラグが「１」であるか否かを判断する（ステップＳ２７０５）。
【0247】
ここで、施策可能フラグが「０」の場合（ステップＳ２７０５：Ｎｏ）、情報処理装置１０１は、ステップＳ２７０３に戻って、リストＬから選択されていない未選択のタグのうちの最上位のタグを選択する。一方、施策可能フラグが「１」の場合（ステップＳ２７０５：Ｙｅｓ）、選択したタグをシミュレーションタグに決定する（ステップＳ２７０６）。
【0248】
そして、情報処理装置１０１は、選択した予測用データ（予測後）のシミュレーションタグの値を「０」から「１」に変更する（ステップＳ２７０７）。つぎに、情報処理装置１０１は、生成した機械学習モデルＭを用いて、シミュレーションタグの値を変更した変更後の予測用データ（予測後）に基づいて、（Ｘ＋１）年度に顧客が離反するか否かを判定する（ステップＳ２７０８）。
【0249】
そして、情報処理装置１０１は、顧客が離反すると判定したか否かを判断する（ステップＳ２７０９）。ここで、顧客が離反すると判定した場合（ステップＳ２７０９：Ｙｅｓ）、情報処理装置１０１は、「ｋ」をインクリメントして（ステップＳ２７１０）、「ｋ」が「Ｋ」より大きくなったか否かを判断する（ステップＳ２７１１）。
【0250】
ここで、「ｋ」が「Ｋ」以下の場合（ステップＳ２７１１：Ｎｏ）、情報処理装置１０１は、ステップＳ２７０３に戻って、リストＬから選択されていない未選択のタグのうちの最上位のタグを選択する。
【0251】
一方、「ｋ」が「Ｋ」より大きくなった場合（ステップＳ２７１１：Ｙｅｓ）、情報処理装置１０１は、第２のシミュレーション処理を呼び出したステップに戻る。この場合、離反対策ファイルは、選択した予測用データ（予測後）の顧客について、いずれのタグ名も登録されていない情報となる。
【0252】
また、ステップＳ２７０９において、顧客が離反しないと判定した場合（ステップＳ２７０９：Ｎｏ）情報処理装置１０１は、選択した予測用データ（予測後）の顧客ＩＤと、決定したシミュレーションタグのタグ名とを対応付けて、離反対策ファイルに登録して（ステップＳ２７１２）、第２のシミュレーション処理を呼び出したステップに戻る。
【0253】
これにより、顧客の離反の判定結果を反転させるシミュレーションタグを、顧客の離反を防止するための施策の対象として探索することができる。離反対策ファイルには、顧客ＩＤと対応付けて、最大でＫ個のタグ名の組み合わせが登録される。
【0254】
以上説明したように、実施の形態５にかかる情報処理装置１０１によれば、各ユーザが離反するか否かの判定結果に基づいて、複数のユーザのうち離反しないと判定された継続予測者を特定することができる。また、情報処理装置１０１によれば、特定した各継続予測者について、各継続予測者の特性を示すタグＴ１～Ｔｍの値と、離反予測者（対象ユーザ）の特性を示すタグＴ１～Ｔｍの値とに基づいて、離反予測者との相関の度合いを示す相関度（例えば、相関係数Ｃ’）を算出することができる。そして、情報処理装置１０１によれば、算出した各継続予測者の相関度に基づいて、特定した継続予測者の中から、１または複数の継続予測者（相関あり）を抽出し、抽出した１または複数の継続予測者（相関あり）の特性を示すタグＴ１～Ｔｍの値に基づいて、シミュレーションタグを決定することができる。
【0255】
これにより、離反予測者との相関が強い継続予測者において値が「１」となっている割合が高いタグを、シミュレーションタグに決定することができ、顧客の離反を防止する有効な施策につながるタグを効率的に探索することができる。
【0256】
これらのことから、本実施の形態にかかる情報処理装置１０１によれば、ユーザにタグ付けした情報を活用して、離反しそうな顧客にターゲットを絞って、適切な施策を打つことが可能となり、効率的かつ効果的なマーケティングを実現することができる。
【0257】
なお、本実施の形態で説明した離反防止支援方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本離反防止支援プログラムは、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本離反防止支援プログラムは、インターネット等のネットワークを介して配布してもよい。
【0258】
また、本実施の形態で説明した情報処理装置１０１は、スタンダードセルやストラクチャードＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などの特定用途向けＩＣやＦＰＧＡなどのＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）によっても実現することができる。
【0259】
上述した実施の形態に関し、さらに以下の付記を開示する。
【0260】
（付記１）所定期間におけるユーザの特性を示す複数のタグの情報に基づいて、前記所定期間以降に前記ユーザが離反するか否かを判定し、
離反すると判定した前記ユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索し、
探索した探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する、
処理をコンピュータに実行させることを特徴とする離反防止支援プログラム。
離反すると判定した前記ユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索し、
探索した探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する、
処理をコンピュータに実行させることを特徴とする離反防止支援プログラム。
【0261】
（付記２）前記探索する処理は、
前記方策に関連するタグとして、前記ユーザの離反の判定結果を変更させるタグを探索する、ことを特徴とする付記１に記載の離反防止支援プログラム。
前記方策に関連するタグとして、前記ユーザの離反の判定結果を変更させるタグを探索する、ことを特徴とする付記１に記載の離反防止支援プログラム。
【0262】
（付記３）前記探索する処理は、
前記複数のタグのうち、前記ユーザの基本属性に関するタグを除く少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記方策に関連するタグを探索する、ことを特徴とする付記１または２に記載の離反防止支援プログラム。
前記複数のタグのうち、前記ユーザの基本属性に関するタグを除く少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記方策に関連するタグを探索する、ことを特徴とする付記１または２に記載の離反防止支援プログラム。
【0263】
（付記４）所定期間における複数のユーザの各ユーザの特性を示す前記複数のタグの情報に基づいて、前記所定期間以降に前記各ユーザが離反するか否かを判定し、
判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、処理対象のタグを決定する、処理を前記コンピュータに実行させ、
前記探索する処理は、
決定した前記処理対象のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記方策に関連するタグを探索する、ことを特徴とする付記１～３のいずれか一つに記載の離反防止支援プログラム。
判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、処理対象のタグを決定する、処理を前記コンピュータに実行させ、
前記探索する処理は、
決定した前記処理対象のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記方策に関連するタグを探索する、ことを特徴とする付記１～３のいずれか一つに記載の離反防止支援プログラム。
【0264】
（付記５）判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のタグに含まれる各タグについて、前記各ユーザの離反の判定結果との相関の度合いを示す相関度を算出する、処理を前記コンピュータに実行させ、
前記決定する処理は、
算出した前記各タグの相関度に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４に記載の離反防止支援プログラム。
前記決定する処理は、
算出した前記各タグの相関度に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４に記載の離反防止支援プログラム。
【0265】
（付記６）判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のユーザのうち離反しないと判定された継続予測者を特定する、処理を前記コンピュータに実行させ、
前記決定する処理は、
特定した前記継続予測者の特性を示す前記複数のタグの情報に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４または５に記載の離反防止支援プログラム。
前記決定する処理は、
特定した前記継続予測者の特性を示す前記複数のタグの情報に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４または５に記載の離反防止支援プログラム。
【0266】
（付記７）前記決定する処理は、
前記複数のタグに含まれる各タグについて、前記各タグに関連する方策が実行されたユーザ群のうち、前記方策に反応したユーザの割合に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４～６のいずれか一つに記載の離反防止支援プログラム。
前記複数のタグに含まれる各タグについて、前記各タグに関連する方策が実行されたユーザ群のうち、前記方策に反応したユーザの割合に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４～６のいずれか一つに記載の離反防止支援プログラム。
【0267】
（付記８）判定した前記各ユーザが離反するか否かの判定結果に基づいて、前記複数のユーザのうち離反しないと判定された継続予測者を特定し、
特定した前記各継続予測者について、前記各継続予測者の特性を示す前記複数のタグの情報と、前記ユーザの特性を示す前記複数のタグの情報とに基づいて、前記ユーザとの相関の度合いを示す相関度を算出し、
算出した前記各継続予測者の相関度に基づいて、特定した前記継続予測者の中から、１または複数の継続予測者を抽出する、処理を前記コンピュータに実行させ、
前記決定する処理は、
抽出した前記１または複数の継続予測者の特性を示す前記複数のタグの情報に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４～７のいずれか一つに記載の離反防止支援プログラム。
特定した前記各継続予測者について、前記各継続予測者の特性を示す前記複数のタグの情報と、前記ユーザの特性を示す前記複数のタグの情報とに基づいて、前記ユーザとの相関の度合いを示す相関度を算出し、
算出した前記各継続予測者の相関度に基づいて、特定した前記継続予測者の中から、１または複数の継続予測者を抽出する、処理を前記コンピュータに実行させ、
前記決定する処理は、
抽出した前記１または複数の継続予測者の特性を示す前記複数のタグの情報に基づいて、前記処理対象のタグを決定する、ことを特徴とする付記４～７のいずれか一つに記載の離反防止支援プログラム。
【0268】
（付記９）複数のユーザの各ユーザについて、特定の期間における前記各ユーザの特性を示す前記複数のタグの情報と、前記特定の期間以降に前記各ユーザが離反したか否かを示す離反結果とを記憶する記憶部を参照して、前記複数のタグの情報から離反するか否かを判別する機械学習モデルを生成する、処理を前記コンピュータに実行させ、
前記ユーザが離反するか否かの判定は、前記機械学習モデルを用いて行われる、ことを特徴とする付記１～８のいずれか一つに記載の離反防止支援プログラム。
前記ユーザが離反するか否かの判定は、前記機械学習モデルを用いて行われる、ことを特徴とする付記１～８のいずれか一つに記載の離反防止支援プログラム。
【0269】
（付記１０）前記複数のタグの情報は、前記複数のタグに含まれる各タグがあらわす条件を満たすか否かに応じた値を示す、ことを特徴とする付記１～９のいずれか一つに記載の離反防止支援プログラム。
【0270】
（付記１１）前記ユーザの離反は、前記ユーザが利用していた商品またはサービスからの離反である、ことを特徴とする付記１～１０のいずれか一つに記載の離反防止支援プログラム。
【0271】
（付記１２）所定期間におけるユーザの特性を示す複数のタグの情報に基づいて、前記所定期間以降に前記ユーザが離反するか否かを判定し、
離反すると判定した前記ユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索し、
探索した探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する、
処理をコンピュータが実行することを特徴とする離反防止支援方法。
離反すると判定した前記ユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索し、
探索した探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する、
処理をコンピュータが実行することを特徴とする離反防止支援方法。
【0272】
（付記１３）所定期間におけるユーザの特性を示す複数のタグの情報に基づいて、前記所定期間以降に前記ユーザが離反するか否かを判定する判定部と、
前記判定部によって離反すると判定された前記ユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索する探索部と、
前記探索部によって探索された探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する出力部と、
を有することを特徴とする情報処理装置。
前記判定部によって離反すると判定された前記ユーザに対応する複数のタグの少なくともいずれかのタグの情報を変更したときの前記ユーザが離反するか否かの判定結果に基づいて、前記複数のタグから、前記ユーザの離反を防止する方策に関連するタグを探索する探索部と、
前記探索部によって探索された探索結果、または前記探索結果を特定する情報を前記ユーザと対応付けて出力する出力部と、
を有することを特徴とする情報処理装置。
【符号の説明】
【0273】
１０１ 情報処理装置
１１０ ユーザ
１２０，１２０１，１２０２，１２０３ 離反防止タグ情報
２００ 情報提供システム
２０１ クライアント装置
２２０ 学習用データＤＢ
２３０ 予測用データＤＢ
２４０ タグマスタ
３００ バス
３０１ ＣＰＵ
３０２ メモリ
３０３ ディスクドライブ
３０４ ディスク
３０５ 通信Ｉ／Ｆ
３０６ 可搬型記録媒体Ｉ／Ｆ
３０７ 可搬型記録媒体
７０１ 取得部
７０２ 生成部
７０３ 判定部
７０４ 探索部
７０５ 出力部
９００ 設定ファイル
１０００ 離反対策ファイル
１２００ 施策支援画面
１７００ 相関係数テーブル
１９００ フラグ合計値テーブル
２１００ 施策マスタ
２２００ 反応率テーブル
１１０ ユーザ
１２０，１２０１，１２０２，１２０３ 離反防止タグ情報
２００ 情報提供システム
２０１ クライアント装置
２２０ 学習用データＤＢ
２３０ 予測用データＤＢ
２４０ タグマスタ
３００ バス
３０１ ＣＰＵ
３０２ メモリ
３０３ ディスクドライブ
３０４ ディスク
３０５ 通信Ｉ／Ｆ
３０６ 可搬型記録媒体Ｉ／Ｆ
３０７ 可搬型記録媒体
７０１ 取得部
７０２ 生成部
７０３ 判定部
７０４ 探索部
７０５ 出力部
９００ 設定ファイル
１０００ 離反対策ファイル
１２００ 施策支援画面
１７００ 相関係数テーブル
１９００ フラグ合計値テーブル
２１００ 施策マスタ
２２００ 反応率テーブル
【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】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】