特許 7471760 情報処理方法、情報処理システム及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-04-12

(45)【発行日】2024-04-22

(54)【発明の名称】情報処理方法、情報処理システム及びプログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20240415BHJP

   G06Q 30/0201 20230101ALI20240415BHJP

【ＦＩ】

G06Q50/10

G06Q30/0201

【請求項の数】 10

(21)【出願番号】P 2023193515

(22)【出願日】2023-11-14

【審査請求日】2023-11-14

【早期審査対象出願】

(73)【特許権者】

【識別番号】517255566

【氏名又は名称】株式会社エクサウィザーズ

(74)【代理人】

【識別番号】110004093

【氏名又は名称】弁理士法人アクセル特許事務所

(72)【発明者】

【氏名】渡辺 孝信

(72)【発明者】

【氏名】チン ヨウル

(72)【発明者】

【氏名】石野 悟史

【審査官】山田 倍司

(56)【参考文献】

【文献】米国特許出願公開第２０２１／００４９６２８（ＵＳ，Ａ１）

【文献】特開２０１７－１７４０６２（ＪＰ，Ａ）

【文献】特開２０２０－０５２４６３（ＪＰ，Ａ）

【文献】特開２０１８－１４２２９４（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２０／０３３４５９５（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０２０／０３９４５３８（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１８／０１５８１００（ＵＳ，Ａ１）

【文献】株式会社リブセンス，転職口コミサイト『転職会議』、ChatGPTのAIを活用した企業口コミの要約情報を提供開始，2023年03月23日，https://prtimes.jp/main/html/rd/p/000000156.000015443.html

【文献】Marketing Native編集部，ChatGPTでマーケティング業務を効率化するアイデアと押さえておきたい基礎知識，2023年06月13日，https://marketingnative.jp/chatgpt-marketing/

(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】

情報処理システムが実行する情報処理方法であって、
販売対象の商品又は役務の情報に基づき前記販売対象の商品又は役務の観点を決定し、
前記観点は定性的な観点であり、
対象者の公開情報を取得し、
決定した前記商品又は役務の観点から前記対象者を前記公開情報に基づいて評価する評価情報の出力を要求する指示情報を生成し、
前記指示情報を所定の大規模言語モデルに入力し、
前記所定の大規模言語モデルが前記評価情報を出力し、
前記評価情報は前記定性的な観点に定量的な評価値が付されたものである、
情報処理方法。

【請求項2】

請求項１に記載の情報処理方法において、
前記定量的な評価値が閾値以上である場合、前記対象者を前記販売対象の商品又は役務の顧客候補の一覧に追加する、
情報処理方法。

【請求項3】

請求項１に記載の情報処理方法において、
属性情報に基づき前記対象者を決定し、
決定した対象者の前記公開情報を取得する、
情報処理方法。

【請求項4】

請求項１に記載の情報処理方法において、
販売対象の商品又は役務の既存の顧客の属性情報に基づき前記対象者を決定し、
決定した対象者の前記公開情報を取得する、
情報処理方法。

【請求項5】

請求項４に記載の情報処理方法において、
前記販売対象の商品又は役務の既存の顧客の属性情報に基づき前記既存の顧客の属性情報に類似する対象者を決定する、
情報処理方法。

【請求項6】

請求項１に記載の情報処理方法において、
前記公開情報は、公開されている前記対象者に関する文書の情報、及び、公開されている前記対象者に関する画像の情報の何れか又は双方である、
情報処理方法。

【請求項7】

請求項６に記載の情報処理方法において、
前記対象者に関する画像の情報には前記対象者に関するウェブページのキャプチャ画像が含まれる、
情報処理方法。

【請求項8】

請求項１に記載の情報処理方法において、
前記指示情報には前記評価情報の出力形式を指定する情報が含まれる、
情報処理方法。

【請求項9】

情報処理システムであって、
少なくとも１つ以上の制御部を有し、
前記制御部は、
販売対象の商品又は役務の情報に基づき前記販売対象の商品又は役務の観点を決定し、
前記観点は定性的な観点であり、
対象者の公開情報を取得し、
決定した前記商品又は役務の観点から前記対象者を前記公開情報に基づいて評価する評価情報の出力を要求する指示情報を生成し、
前記指示情報を所定の大規模言語モデルに入力し、
前記所定の大規模言語モデルが前記評価情報を出力し、
前記評価情報は前記定性的な観点に定量的な評価値が付されたものである、
情報処理システム。

【請求項10】

プログラムであって、
コンピュータに、
請求項１から請求項８までの何れか１項に記載の情報処理方法を実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理方法、情報処理システム及びプログラムに関する。

【背景技術】

【0002】

特許文献１には適切なマーケティング活動のためのセグメントの分析を簡便に実施することができるツールが開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特許第６７０４１６３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１の技術はアンケート情報を基にアンケートの回答者をセグメントに分けている。しかし、アンケート情報を基にしているため、精度の観点で改善の余地があった。

【課題を解決するための手段】

【0005】

本発明の一態様によれば、情報処理システムが実行する情報処理方法が提供される。この情報処理方法は、対象者の公開情報を取得する。所定の観点から対象者を公開情報に基づいて評価する評価情報の出力を要求する指示情報を生成する。指示情報を所定の大規模言語モデルに入力する。所定の大規模言語モデルが評価情報を出力する。

【発明の効果】

【0006】

アンケート情報に替わる適切な指標となる情報を取得することができる。

【図面の簡単な説明】

【0007】

【図1】図１は、情報処理システムのシステム構成の一例を示す図である。

【図2】図２は、情報処理装置のハードウェア構成の一例を示す図である。

【図3】図３は、情報処理システムにおける情報処理の一例を示すシーケンス図である。

【図4】図４は、顧客候補の一覧の一例を示す図である。

【発明を実施するための形態】

【0008】

以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態（変形例も含む。以下において同様である。）中で示した各種特徴事項は、互いに組み合わせ可能である。

【0009】

＜実施形態１＞
１．システム構成図
図１は、情報処理システム１０００のシステム構成の一例を示す図である。図１に示されるように、情報処理システム１０００は、システム構成として、情報処理装置１００と、大規模言語モデルの機能を提供するシステム（以下、単に大規模言語モデルという）１１０と、を含む。情報処理装置１００と、大規模言語モデル１１０とは、ネットワーク１５０を介して通信可能に接続されている。情報処理装置１００はコンピュータの一例である。

【0010】

情報処理装置１００は、実施形態１に関する処理を実行する。情報処理装置１００の処理の詳細は後述する図３等を用いて説明する。大規模言語モデル１１０は、大量のテキストデータを使ってトレーニングされた自然言語処理のモデルのことである。実施形態１の大規模言語モデル１１０は、特にチャット（対話）向けにチューニングされた大規模言語モデルが好適である。

【0011】

ここで、特許請求の範囲に記載の情報処理システムは、複数の装置で構成されてもよいし、一つの装置で構成されてもよい。特許請求の範囲に記載の情報処理システムが一つの装置で構成され場合、その装置の一例は情報処理装置１００である。特許請求の範囲に記載の情報処理システムが複数の装置で構成される場合、複数の装置の例は、情報処理装置１００及び大規模言語モデル１１０等である。

【0012】

２．ハードウェア構成
図２は、情報処理装置１００のハードウェア構成の一例を示す図である。
図２に示されるように、情報処理装置１００は、ハードウェア構成として、制御部２１０と、記憶部２２０と、入力部２３０と、出力部２４０と、通信部２５０と、を含む。

【0013】

制御部２１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等であって、情報処理装置１００の全体を制御する。記憶部２２０は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓａｔｅ Ｄｒｉｖｅ）等の何れか、又はこれらの任意の組み合わせであって、プログラム、制御部２１０がプログラムに基づき処理を実行する際に利用するデータ（例えば、後述する取得した公開情報、見込み客リスト等）を記憶する。記憶部２２０は、記憶媒体の一例である。明細書では制御部２１０がプログラムに基づき処理を実行する際に利用するデータは記憶部２２０に記憶されるものとして説明するが、情報処理装置１００と通信可能な他の装置の記憶部等に記憶されていてもよい。すなわち、データは、制御部２１０が参照可能であればどの装置の記憶部に記憶されていてもよい。制御部２１０が、記憶部２２０に記憶されているプログラムに基づき、処理を実行することによって、情報処理装置１００の機能及び後述する図３に示されるシーケンス図における情報処理装置１００の処理が実現される。

【0014】

入力部２３０は、キーボード及びマウス等であって、操作者による選択操作及び／又は入力操作に基づいて情報を入力する。
出力部２４０は、ディスプレイ等であって、操作者による画面を介した入力情報及び制御部２１０による処理の結果等を表示する。
通信部２５０は、情報処理装置１００をネットワーク１５０に接続し、他の装置との通信を司る。

【0015】

３．情報処理
以下、実施形態１の情報処理を説明する。

【0016】

（１）処理の概要
情報処理装置１００の制御部２１０は、対象者の公開情報を取得する。ここで、公開情報とは対象者（企業及び／又は個人）が公開している情報であり、公開されている対象者に関する文書、又は文章の情報、及び、公開されている対象者に関する画像の情報の何れか又は双方である。対象者が企業の場合、公開情報の例としては、企業のＷｅｂページ（ウェブページ）内の文書、又は文章の情報、及び、企業のＷｅｂページ内の画像の情報の何れか又は双方である。Ｗｅｂページは一例であり、他の例としては、有価証券報告書、決算資料等がある。また、対象者に関する画像の情報には対象者に関するＷｅｂページのキャプチャ画像が含まれてもよい。すなわち、企業のＷｅｂページのキャプチャ画像も対象者である企業に関する画像の情報に含まれてもよい。Ｗｅｂページのキャプチャ画像は、該当するＷｅｂページ全体のキャプチャ画像であってもよいし、該当するＷｅｂページの一部のキャプチャ画像であってもよい。対象者が個人の場合、公開情報としては、個人のＷｅｂページ、論文、公開されているＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ）による個人による発信情報に含まれる文書、又は文章の情報、及び画像の情報の何れか又は双方である。対象者が個人の場合も個人のＷｅｂページのキャプチャ画像も対象者である個人に関する画像の情報に含まれてもよい。制御部２１０は、プロンプトを生成する。ここでプロンプトは、所定の観点から対象者を公開情報に基づいて評価する評価情報の出力を要求する内容を含むプロンプトである。なお、プロンプトは、指示情報の一例である。制御部２１０は、生成したプロンプトを大規模言語モデル１１０に入力する。大規模言語モデル１１０は、所定の大規模言語モデルの一例である。大規模言語モデル１１０は、評価情報を出力する。
このような処理により、アンケート情報に替わる適切な指標となる情報、すなわち評価情報、を取得することができる。
（２）処理の詳細
図３は、情報処理システム１０００における情報処理の一例を示すシーケンス図である。図３の例では、情報処理システム１０００における情報処理として、販売対象の商品又は提供対象のサービスの見込み顧客のリストを生成する処理を例に説明を行う。販売対象の商品又は提供対象のサービスは、所定の商品又はサービスの一例である。以下、説明の簡略化のため、販売対象の商品を例に説明を行う。
所定の操作情報を受け取ると、シーケンスＳＱ３０１において、制御部２１０は、属性情報に基づき対象者を決定する。例えば、制御部２１０は、販売対象の商品の既存顧客の属性情報に基づき対象者を決定する。ここで既存顧客の属性情報とは、既存顧客の属性を示す情報である。説明の簡略化のため、対象者として企業を例に説明を行うと、既存顧客の属性情報としては、例えば、企業規模、売上高、従業員数等がある。制御部２１０は、販売対象の商品の既存顧客の企業規模、売上高及び従業員数等に基づきこれらの情報に類似する企業を対象者として決定する。

【0017】

シーケンスＳＱ３０２において、制御部２１０は、シーケンスＳＱ３０１で決定した対象者の公開情報を取得する。上述したように対象者が企業の場合、公開情報の例としては、企業のＷｅｂページ、有価証券報告書、決算資料等がある。例えば、制御部２１０は、Ｗｅｂスクレイピングの技術を用いて、対象者のＷｅｂページ、Ｗｅｂ上に公開されている有価証券報告書及びＷｅｂ上に公開されている決算資料等の情報を取得する。

【0018】

シーケンスＳＱ３０３において、制御部２１０は、販売対象の商品の情報に基づき所定の観点を決定する。販売対象の商品の情報としては、例えば、商品の紹介資料、商品の営業資料、商品のパンフレット等がある。例えば、制御部２１０は、商品の紹介資料、商品の営業資料、商品のパンフレット等に記載の文字を認識し、商品の特徴を抽出し、商品の特徴に基づき所定の観点を決定する。所定の観点の例としては、例えば、「働きやすい職場」、「ＤＸ（Ｄｉｇｉｔａｌ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）を推進している」、「従業員の育成に熱心」等がある。所定の観点は１つであってもよいし、複数であってもよい。

【0019】

所定の観点を決定する他の例として、制御部２１０は、商品の紹介資料、商品の営業資料、商品のパンフレット等の販売対象の商品の情報を入力データ、商品に応じた観点を出力データとして学習された学習済みモデルを用いて、観点を決定するようにしてもよい。すなわち、制御部２１０は、商品の紹介資料、商品の営業資料、商品のパンフレット等の販売対象の商品の情報を学習済みモデルに入力する。そして、制御部２１０は、学習済みモデルから出力された観点を、販売対象の商品の観点として決定してもよい。商品をサービスと読み替えればサービスの場合も同様である。

【0020】

なお、シーケンスＳＱ３０３の処理は、シーケンスＳＱ３０１又はシーケンスＳＱ３０２と同時であってもよいし、シーケンスＳＱ３０１又はシーケンスＳＱ３０２の前であってもよい。

【0021】

シーケンスＳＱ３０４において、制御部２１０は、シーケンスＳＱ３０３で決定された観点、シーケンスＳＱ３０１で選択された対象者及びシーケンスＳＱ３０２で取得された公開情報に基づき、プロンプトを生成する。より具体的に説明すると、制御部２１０は、シーケンスＳＱ３０３で決定された観点からシーケンスＳＱ３０１で選択された対象者をシーケンスＳＱ３０２で取得された公開情報に基づいて評価する評価情報の出力を要求するプロンプトを生成する。制御部２１０は、プロンプトに、評価情報の出力形式を指定する情報を含めるようにしてもよい。出力形式が所定の出力形式になっていた方が、出力された評価情報を利用する際に便利だからである。また制御部２１０は、プロンプトに入力と出力の例示を含めるようにしてもよい。出力の精度を高めるためである。また制御部２１０は、公開情報がテキスト情報であった場合、所定の文字数のテキスト情報ごとに対象者を評価するよう指示する情報をプロンプトに含めるようにしてもよいし、公開情報が画像情報であった場合、画像情報（例えばＷｅｂページに含まれる画像）ごとに対象者を評価するよう指示する情報をプロンプトに含めるようにしてもよい。

【0022】

シーケンスＳＱ３０５において、制御部２１０は、シーケンスＳＱ３０４で生成されたプロンプトを大規模言語モデル１１０に入力する。例えば、制御部２１０は、ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を用いて大規模言語モデル１１０にプロンプトを入力する。

【0023】

シーケンスＳＱ３０６において、制御部２１０は、ＡＰＩを介して大規模言語モデル１１０が出力する評価情報を受け取る。評価情報としては、例えば、所定の観点ごとに１００点満点中何点かを示す情報がある。例えば、観点として、「働きやすい職場」、「ＤＸを推進している」、「従業員の育成に熱心」があった場合、制御部２１０は、評価情報として、「働きやすい職場」８０点、「ＤＸを推進している」６５点、「従業員の育成に熱心」８５点等を受け取る。

【0024】

シーケンスＳＱ３０７において、制御部２１０は、受け取った評価情報に基づき対象者が所定の要件を満たしているか否かを判定する。制御部２１０は、評価情報に基づき対象者が所定の要件を満たしていると判定すると、処理をシーケンスＳＱ３０８に進める。制御部２１０は、評価情報に基づき対象者が所定の要件を満たしていないと判定すると、情報処理を終了する。例えば、所定の要件が「全ての観点において７０点以上であること」である場合で、大規模言語モデル１１０から受け取った評価情報が「働きやすい職場」８０点、「ＤＸを推進している」６５点、「従業員の育成に熱心」８５点等の場合、制御部２１０は、対象者は、所定の要件を満たしていないと判定する。所定の要件が「全ての観点において７０点以上であること」である場合で、大規模言語モデル１１０から受け取った評価情報が「働きやすい職場」８０点、「ＤＸを推進している」９５点、「従業員の育成に熱心」８５点等の場合、制御部２１０は、対象者は、所定の要件を満たしていると判定する。

【0025】

シーケンスＳＱ３０８において、制御部２１０は、対象者を販売対象の商品の顧客候補の一覧に追加する。
図４は、顧客候補の一覧の一例を示す図である。一覧４００は、顧客候補の一覧である。一覧には、顧客候補として対象者の情報が含まれている。図４の例では、対象者として会社名、住所、電話番号、電子メールアドレスが含まれている。
例えば、制御部２１０は、一覧４００の作成が終了すると、一覧４００に含まれる対象者に対して、販売対象の商品の営業メール等を送信する。

【0026】

実施形態１の処理によれば、アンケート情報に替わる適切な指標となる情報、すなわち評価情報、を取得することができる。また評価情報が所定の要件を満たしている場合には、対象者を一覧に追加することができる。上述した実施形態の例では、商品の顧客候補の一覧を速やかに、かつ、適切な指標に基づき作成することができる。

【0027】

なお、実施形態１では顧客候補の一覧を作成する例を用いて説明を行ったがこれに限定されるものではない。例えば、対象者を会社の採用の応募者、所定の観点として会社のホームページやパンフレットから導かれる会社の価値観を示す定性的な情報等とすれば、制御部２１０は、応募者の公開情報と会社の価値観を示す情報等報等に基づいて応募者を評価する評価情報の出力を要求する指示情報を生成し、大規模言語モデルに入力することができる。そして、制御部２１０は、大規模言語モデルから応募者の評価情報を受け取ることができる。

【0028】

（変形例１）
実施形態１の変形例１を説明する。なお、変形例は実施形態１に含まれるものであって他の実施形態を示すものではない。以下の変形例においても同様である。変形例１では実施形態１と異なる点について主に説明を行う。
実施形態１では、大規模言語モデル１１０は、情報処理装置１００とは別体として設けられていた。しかし、大規模言語モデル１１０を情報処理装置１００に実装してもよい。
変形例１の構成であっても実施形態１と同様の効果を奏することができる。

【0029】

（変形例２）
実施形態１の変形例２を説明する。変形例２では実施形態１と異なる点について主に説明を行う。
実施形態１では、大規模言語モデルを例に説明を行った。しかし、大規模言語モデルではなく専用に学習させた学習済みモデルを用いるようにしてもよい。
変形例２の構成であっても実施形態１と同様の効果を奏することができる。

【0030】

（変形例３）
実施形態１の変形例３を説明する。変形例３では実施形態１と異なる点について主に説明を行う。
実施形態１では、プロンプトの入力、出力結果の取得、判定及び候補の一覧追加という一連の処理を行った。変形例３の制御部２１０は、この一連の処理を複数回実施し、その結果に基づいて候補の一覧を更新してもよい。さらに、変形例３の制御部２１０は、この一連の処理を複数行う際に都度プロンプトの表現を言い換えたもの等にして出力結果を得るようにしてもよい。
変形例３の構成であっても実施形態１と同様の効果を奏すると共に、学習済みモデルからの出力が安定しない場合であっても精度の高い候補の一覧を得ることができる。

【0031】

最後に、本発明に係る種々の実施形態を説明したが、これらは、例として提示したものであり、発明の範囲を限定することは意図していない。新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。実施形態やその変形は、発明の範囲や要旨に含まれると共に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

【符号の説明】

【0032】

１００ ：情報処理装置
１１０ ：大規模言語モデル
１５０ ：ネットワーク
２１０ ：制御部
２２０ ：記憶部
２３０ ：入力部
２４０ ：出力部
２５０ ：通信部
４００ ：一覧
１０００ ：情報処理システム

【要約】      （修正有）

【課題】大規模言語モデルが評価情報を出力する情報処理方法、情報処理システム及びプログラムを提供する。
【解決手段】情報処理方法は、対象者の公開情報を取得することと、所定の観点から対象者を公開情報に基づいて評価する評価情報の出力を要求する指示情報を生成することと、指示情報を所定の大規模言語モデルに入力することと、所定の大規模言語モデルが評価情報を出力することと、を含む。
【選択図】図３

【図1】

【図2】

【図3】

【図4】