特許 7588692 情報処理装置、情報処理方法及びプログラム

(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】2024-11-14

(45)【発行日】2024-11-22

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20241115BHJP

【ＦＩ】

G06Q50/10

【請求項の数】 6

(21)【出願番号】P 2023142186

(22)【出願日】2023-09-01

【審査請求日】2023-09-01

【新規性喪失の例外の表示】特許法第３０条第２項適用 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｗｗｗ．ｍｒｉ．ｃｏ．ｊｐ／ｋｎｏｗｌｅｄｇｅ／ｉｎｓｉｇｈｔ／ｄｉａ６ｏｕ０００００４ｏ３ｋｑ－ａｔｔ／ｅｒ２０２２０９２７＿ａｃｔｆｕｌｎｅｓｓ．ｐｄｆ ウェブサイトの掲載日： ２０２２年９月２７日 公開者名： 株式会社三菱総合研究所 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｉｃｆ．ｍｒｉ．ｃｏ．ｊｐ／ｎｏｔｅ／ｍｒｉ－ｄｅｍｏｄａｙ２０２３ｒｅｐｏｒｔ４／ ウェブサイトの掲載日： ２０２３年３月１０日 公開者名： 株式会社三菱総合研究所 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｉｃｆ．ｍｒｉ．ｃｏ．ｊｐ／ａｃｔｉｖｉｔｉｅｓ／ａｃｔｉｖｉｔｉｅｓ－１１６４２／ ウェブサイトの掲載日： ２０２３年３月１０日 公開者名： 株式会社三菱総合研究所 ウェブサイトのアドレス： ｈｔｔｐｓ：／／ｗｗｗ．ｍｒｉ．ｃｏ．ｊｐ／ｋｎｏｗｌｅｄｇｅ／ｍｒｅｖｉｅｗ／２０２３０５３．ｈｔｍｌ ウェブサイトの掲載日： ２０２３年５月１日 公開者名： 株式会社三菱総合研究所 開催日： ２０２３年３月１０日 開催場所： 東京都千代田区大手町１－２－１ 大手町三井ホール 公開者名： 株式会社三菱総合研究所

(73)【特許権者】

【識別番号】591115475

【氏名又は名称】株式会社三菱総合研究所

(74)【代理人】

【識別番号】230104019

【弁護士】

【氏名又は名称】大野 聖二

(74)【代理人】

【識別番号】230117802

【弁護士】

【氏名又は名称】大野 浩之

(72)【発明者】

【氏名】鯉渕 正裕

(72)【発明者】

【氏名】酒井 博司

(72)【発明者】

【氏名】森島 広章

(72)【発明者】

【氏名】木根原 良樹

【審査官】牧 裕子

(56)【参考文献】

【文献】国際公開第２０２３／０４１９０８（ＷＯ，Ａ１）

【文献】特開２０１９－１０９６２０（ＪＰ，Ａ）

【文献】特開２０２３－０９８１５５（ＪＰ，Ａ）

【文献】特開２００９－１８１４７８（ＪＰ，Ａ）

【文献】特開２０１３－１０５２３２（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１６／００６３８７４（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０２１／０３２７５９１（ＵＳ，Ａ１）

(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】

ユーザの属性情報を受け付ける受付部と、
前記ユーザにおける、所定のカテゴリに分けられる行動の内容であるカテゴリ別行動を取得する第一取得部と、
ユーザが入力する行動の質に関する行動価値を取得する第二取得部と、
前記属性情報から導かれる推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する算出部と、
を備える、情報処理装置。

【請求項2】

前記算出部は、前記推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、個別のウェルビーイング指標における値を算出し、当該ウェルビーイング指標の値を用いて全体のウェルビーイング値を算出する、請求項１に記載の情報処理装置。

【請求項3】

受付部によって、ユーザの属性情報を受け付ける工程と、
第一取得部によって、前記ユーザにおける、所定のカテゴリに分けられる行動の内容であるカテゴリ別行動を取得する工程と、
第二取得部によって、ユーザが入力する行動の質に関する行動価値を取得する工程と、
算出部によって、前記属性情報から導かれる推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する工程と、
を備える、情報処理方法。

【請求項4】

前記算出部は、前記推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、個別のウェルビーイング指標における値を算出し、当該ウェルビーイング指標の値を用いて全体のウェルビーイング値を算出する、請求項３に記載の情報処理方法。

【請求項5】

コンピュータにインストールされるプログラムであって、
プログラムがインストールされたコンピュータは、
ユーザの属性情報を受け付ける機能と、
前記ユーザにおける、所定のカテゴリに分けられる行動の内容であるカテゴリ別行動を取得する機能と、
ユーザが入力する行動の質に関する行動価値を取得する機能と、
前記属性情報から導かれる推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する機能と、
を実現する、プログラム。

【請求項6】

前記算出する機能は、前記推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、個別のウェルビーイング指標における値を算出し、当該ウェルビーイング指標の値を用いて全体のウェルビーイング値を算出する、請求項５に記載のプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ウェルビーイングと行動との関係に着目した情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

従来から、行動要因に基づくナッジを利用して、対象者の行動変容をより効果的に支援する態様が提案されている。例えば特許文献１では、複数の行動要因にそれぞれ対応付けて、行動変容を促すための複数のメッセージを記憶する記憶部と、対象者に関する対象者情報に基づいて、前記複数の行動要因それぞれについての前記対象者の状態を示す状態情報を予測する予測部と、前記記憶部から前記状態情報に基づいて一以上のメッセージを選択し、該一以上のメッセージを含むメッセージセットを生成する生成部と、前記メッセージセット内の前記一以上のメッセージの前記対象者に対する出力を制御する制御部と、を備える行動支援システムが提案されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２２－１６３９５７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明は、幸福、良好、満足度等を示す指標となるウェルビーイングに着目してなされたものであり、ある行動を選定することでどの程度ウェルビーイング値又はウェルビーイング指標が増減するか又は増減したか、逆に所望のウェルビーイング値又は所望のウェルビーイング指標に基づいて推奨される行動が何であるのか等についての情報が得られる情報処理装置、情報処理方法及びプログラムを提供する。

【課題を解決するための手段】

【0005】

［概念１］
本発明による情報処理装置は、
ユーザの属性情報を受け付ける受付部と、
前記ユーザにおけるカテゴリ別行動を取得する第一取得部と、
前記属性情報から導かれる推定モデルに前記カテゴリ別行動を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する算出部と、
を備えてもよい。

【0006】

［概念２］
概念１による情報処理装置は、
行動価値を取得する第二取得部を備え、
前記算出部は、属性情報から導かれる推定モデルに前記カテゴリ別行動及び前記行動価値を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出してもよい。

【0007】

［概念３］
概念１又は２による情報処理装置において、
前記算出部は、前記推定モデルに前記カテゴリ別行動を適用することで、個別のウェルビーイング指標を算出し、当該ウェルビーイング指標に基づいて全体のウェルビーイング値を算出してもよい。

【0008】

［概念４］
本発明による情報処理装置は、
対象者の属性情報を受け付ける受付部と、
前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動を選定する選定部と、
を備えてもよい。

【0009】

［概念５］
概念４による情報処理装置において、
前記選定部は、前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動及び行動価値を選定してもよい。

【0010】

［概念６］
概念４又は５による情報処理装置は、
対象となる属性情報は複数の対象者に関するものであり、
前記選定部は、前記複数の対象者に対するウェルビーイング値又はウェルビーイング指標の合算値が最大になるカテゴリ別行動を選定してもよい。

【0011】

［概念７］
本発明による情報処理方法は、
受付部によって、ユーザの属性情報を受け付ける工程と、
第一取得部によって、前記ユーザにおけるカテゴリ別行動を取得する工程と、
算出部によって、前記属性情報から導かれる推定モデルに前記カテゴリ別行動を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する工程と、
を備えてもよい。

【0012】

［概念８］
本発明による情報処理方法は、
受付部によって、対象者の属性情報を受け付ける工程と、
選定部によって、前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動を選定する工程と、
を備えてもよい。

【0013】

［概念９］
本発明によるプログラムは、
コンピュータにインストールされるプログラムであって、
プログラムがインストールされたコンピュータは、
ユーザの属性情報を受け付ける機能と、
前記ユーザにおけるカテゴリ別行動を取得する機能と、
前記属性情報から導かれる推定モデルに前記カテゴリ別行動を適用することで、増加又は減少するウェルビーイング値又はウェルビーイング指標を算出する機能と、
を実現してもよい。

【0014】

［概念１０］
本発明によるプログラムは、
コンピュータにインストールされるプログラムであって、
プログラムがインストールされたコンピュータは、
対象者の属性情報を受け付ける受付機能と、
前記属性情報から導かれる推定モデルにおいて、所望のウェルビーイング値又は所望のウェルビーイング指標に基づいてカテゴリ別行動を選定する選定機能と、
を実現してもよい。

【発明の効果】

【0015】

本発明によれば、行動を選定することでどの程度ウェルビーイング値又はウェルビーイング指標が増減するか又は増減したか、逆に所望のウェルビーイング値又は所望のウェルビーイング指標に基づいて推奨される行動が何であるのか等についての情報を得ることができる。

【図面の簡単な説明】

【0016】

【図1】図１は、本発明の実施の形態による情報処理システムでの処理態様の一例の概要を説明するための概略図である。

【図2】図２は、本発明の実施の形態で用いられる情報処理システムのブロック図である。

【図3】図３は、本発明の実施の形態（態様１）で用いられる推定モデルの一例を説明するための図である。

【図4】図４は、本発明の実施の形態（態様２）で用いられる推定モデルの一例を説明するための図である。

【発明を実施するための形態】

【0017】

実施の形態
《構成》
以下、本発明に係る情報処理装置の実施の形態について説明する。本実施の形態では、情報処理装置を利用した情報処理方法、情報処理装置を生成するためにインストールされるプログラムや、当該プログラムを記憶したＵＳＢ、ＤＶＤ等からなる記憶媒体も本実施の形態により提供される。また、パソコン、スマートフォン、タブレット等の各種端末にインストールされるプログラムも提供される。本願における「又は」は「及び」を含む概念であり、「Ａ又はＢ」という用語は、「Ａ」、「Ｂ」並びに「Ａ及びＢ」のいずれかを意味している。

【0018】

典型的には、情報処理装置１００は、複数のユーザ端末２００と通信可能となっている。ユーザ端末２００は、パソコン、スマートフォン、タブレット端末、スマートウォッチやスマートグラス等のウェアラブルコンピュータ等といった端末であり、典型的にはスマートフォンやタブレット端末といった携帯端末である。ユーザ端末２００は、ユーザからの操作を受け付ける操作部２１０と、様々な情報を表示する表示部２２０とを有してもよい。スマートフォンやタブレット端末の場合にはタッチパネルとなっていることから、操作部２１０と表示部２２０の両方の機能が表示画面で行われることになる。

【0019】

［態様１］
まずは、属性情報に関連付けられた推定モデルを用いた態様について説明する。

【0020】

図２に示すように、情報処理装置１００は、対象者の一例であるユーザの属性情報を受け付ける受付部１０と、ユーザに関する行動であって、複数のカテゴリに分かれたカテゴリ別行動を取得する第一取得部２０と、属性情報から導かれる推定モデルにカテゴリ別行動を適用することで、増加又は減少するウェルビーイング値を算出する算出部５５と、算出部５５によって算出されたウェルビーイング値を出力する出力部８０と、を有してもよい。出力部８０で出力されるあらゆる情報は、ユーザ端末２００で表示や音声での通知等されるようにしてもよい。本態様を採用した場合には、ユーザがある行動を選定することでどの程度ウェルビーイング値が増加又は低減するかについての情報を得ることができる。このため、ある行動を選定する前に、当該ある行動を行うかどうかをユーザにおいて選択することができる。また、ある行動を行った後でカテゴリ別行動の入力を行ってもよく、その場合には、当該ある行動を行ったことで、どの程度ウェルビーイング値が増加又は低減したのかをユーザが表示部２２０を介して視覚によって確認することができる。なおユーザ端末２００から音声でどの程度ウェルビーイング値が増加又は低減したのかが知らされるようにしてもよく、この場合には、ユーザは聴覚によってその結果を確認することができる。

【0021】

本実施の形態の推定モデルは、典型的には、ある属性に属するユーザがある行動を実施した場合のウェルビーイング値の増加分又は減少分を推定するためのモデルである。一例としては、ある行動を取れば必ずウェルビーイング値が増加するという思想の下、ウェルビーイング値が減少せずに、増加だけする推定モデルを利用してもよい。操作部２１０からユーザＩＤ等のユーザ識別情報が入力された場合、当該ユーザ識別情報に紐づけられたユーザの属性情報が記憶部６０から受付部１０によって読み出され、当該属性情報が受付部１０で受け付けられてもよい。また、ユーザの属性情報は操作部２１０から入力されるようにしてもよい。ウェルビーイングとは「健康で幸福な状態。良好な状態。満足の行く状態。」を意味し、ウェルビーイング値はこのような状態に関する値であって、高まる方が幸福、良好又は満足の行く状態であることを意味する。

【0022】

属性情報は、性別、年齢、既婚・未婚の別、活発度、職種、年収、家族構成、勤務先等を有してもよい。活発度に関しては、ユーザから入力される趣味等を考慮して、判断部９０で判断されるようにしてもよい。判断部９０は記憶部６０で記憶されている判断基準を読み出し、例えば週１回はスポーツ、音楽等を１時間以上行っているという項目に該当する場合には「非常に活発である」という属性であると判断し、逆に特に趣味らしい趣味がないという場合には「活発ではない」という属性であると判断してもよい。また活発度を自己申告として入力してもよく、例えば「非常に活発」、「活発な方」、「普通」、「あまり活発ではない」、「活発ではない」というような５段階でユーザが入力するようにしてもよい。

【0023】

カテゴリ別行動はカテゴリ別の行動量を含んでもよい。この際、行動量が１回、２回というような回数で入力されてもよいし、あるカテゴリ別行動の行動が行われれば、自動で対応するカテゴリ別行動がカウントされるようにしてもよい。カテゴリ別行動は、(1a)自宅で食事、(2a)外出して食事・宴会、(3a)おしゃれ（服装・髪型、化粧等）、(4a)自己・家族の健康管理・診療、(5a)外出して心身のリラックス（散歩・公園で休憩等）、(6a)仕事、(7a)通勤通学、(8a)子どもの学び・課外活動、(9a)自己の学び、(10a)料理・掃除・洗濯・買物等の家事、(11a)ショッピング（家具・家電、趣味、娯楽関連）、(12a)乳幼児の育児、(13a)家族の介護、(14a)ボランティア・地域行事、(15a)家族・恋人・知人とのコミュニケーション、(16a)スポーツ、(17a)旅行・行楽、(18a)外出する趣味・娯楽等、(19a)自宅での趣味・娯楽等を含んでもよい。カテゴリ別行動は、ユーザが例えば上記(1a)～(19a)のいずれかを行った場合にユーザ端末２００から、いずれを行ったかを選択肢を選択することで入力してもよいし、ユーザが店舗に設置されているＱＲコード(登録商標)や店舗設置端末をユーザ端末２００で読み取ることで上記(1a)～(19a)のいずれかのカテゴリ別行動が自動でカウントされるようにしてもよい。図３の行動１～１９の各々は、一例として、上記(1a)～(19a)に対応している。カテゴリ別行動については、スマートフォン等のユーザ端末２００の位置情報やウェブでの購入履歴等と紐づいてもよい。例えば、ある店舗に行った場合、当該店舗の滞在時間に応じて、食事をしたと判断部９０が自動で判断するようにしてもよい。また、例えば、ウェブで購入した場合には、自動でショッピングを行った結果とリンクして、判断部９０によってカテゴリ別行動が自動で入力されるようにしてもよい。

【0024】

算出部５５は、属性情報から導かれる推定モデルにカテゴリ別行動（カテゴリ行動量を含む。）を適用することで、個別のウェルビーイング指標を算出し、当該ウェルビーイング指標に基づいて全体のウェルビーイング値を算出してもよい。一例としては、属性ごとにカテゴリ別行動とウェルビーイング指標が定まった表があり（図３参照）、あるカテゴリ別行動が入力された場合にどのウェルビーイング指標が増加又は減少するかが定められてもよい。この態様では、属性ごとに関連付けられた複数の表が記憶部６０で記憶されることになる。属性はある程度の幅を持ったカテゴリであってもよく、このような態様を採用することで、準備すべき推定モデル（例えば図３の表）の数を適正な範囲に抑えることができる。また、カテゴリ別行動によって増加又は減少する個別のウェルビーイング指標を出力部８０が出力し、当該ウェルビーイング指標が表示部２２０で表示されるようにしてもよいし、音声で通知されるようにしてもよい。

【0025】

例えば、行動１を行った場合には（図３参照）、行動１に対応する指標１～９の値が出力され、当該値が単純に合算されて、つまり単純にｆ_1,1＋ｆ_2,1＋・・・＋ｆ_9,1が計算されて、ウェルビーイング値が算出されるようにしてもよい。またウェルビーイング指標毎に重みが定められており、ウェルビーイング指標×重みを合算した合計値（例えば、行動１を行った場合には、ｆ_1,1×ａ_1,1＋ｆ_2,1×ａ_2,1＋・・・＋ｆ_9,1×ａ_9,1）によってウェルビーイング値が算出されるようにしてもよい。ウェルビーイング値は増加分が出力するようにしてもよい（図１参照）。行動量がｍ×ｎ（「ｍ」及び「ｎ」は整数）回の場合、行動量がｎ回の場合のｍ倍になるようにしてもよい。例えば、(5a)外出して心身のリラックス（散歩・公園で休憩等）を１週間に４回行った場合には、(5a)外出して心身のリラックス（散歩・公園で休憩等）を１週間に１回行った場合の４倍となってもよい。

【0026】

個別のウェルビーイング指標は、(1b)適切な運動や食生活を通して、身体的に健康的な生活ができていること、(2b)過度なストレスがなく、精神的に健康的な生活ができていること、(3b)生活の自立に必要な所得や資産を有していること、(4b)仕事、学校、家事、睡眠以外に、自分で自由に使える時間が確保されていること、(5b)日常生活を通して家族や友人などの他者、社会とのつながりを実感していること、(6b)家族や友人、職場の上司・同僚と相互に承認しあっていること、(7b)仕事や学び、趣味などを通じて、なりたい自分の実現に向かって取り組めていること、(8b)仕事や社会的活動を通じて、誰かの役に立っているという実感がもてること、(9b)人生や社会に対して期待があり、自分の将来に希望を持っていること等を含んでもよい。図３の指標１～９の各々は、一例として、上記(1b)～(9b)に対応している。

【0027】

基礎となる個別のウェルビーイング指標又は全体のウェルビーイング値は属性情報と紐づいてもよく、毎回、属性情報に紐づいた基礎となる個別のウェルビーイング指標又は全体のウェルビーイング値に戻り、属性情報とカテゴリ別行動を推定モデルに適用することで、基礎となる個別のウェルビーイング指標又は全体のウェルビーイング値に対して増加又は減少するウェルビーイング指標又はウェルビーイング値が出力されるようにしてもよい（図１参照）。この場合には、何かの行動を行う前の基礎値はユーザの属性に基づいて決定されており、何かの行動を行った場合には、当該基礎値に対する増加値又は減少値が出力部８０によって出力されることになる。また、ユーザ毎の個別のウェルビーイング指標又は全体のウェルビーイング値が紐づいており、カテゴリ別行動を入力する度にウェルビーイング指標又はウェルビーイング値が増加又は減少し、ユーザ情報に紐づいたウェルビーイング指標又はウェルビーイング値の蓄積量が出力部８０によって出力されるようにしてもよい。この場合でも、所定の期間が経過した場合には、蓄積されたウェルビーイング指標又はウェルビーイング値がリセットされ、ユーザの属性に基づいて決定される基礎値に戻るようにしてもよい。一例としては、１カ月間は対象となっているユーザの行動に伴うウェルビーイング指標又はウェルビーイング値が蓄積されていき、１カ月が経過する時点でウェルビーイング指標又はウェルビーイング値がリセットされて、基礎値に戻るようにしてもよい。この場合でも、ユーザ識別情報等のユーザ情報と紐づいたウェルビーイング指標又はウェルビーイング値が記憶部６０で記憶され、ユーザからの要求に応じて、ウェルビーイング指標又はウェルビーイング値の履歴を確認できるようにしてもよい。

【0028】

推定モデルは、アンケートを実施する等して、分類される属性毎にカテゴリ別行動に対応して予め作成されてもよい。また、データを蓄積するための期間を設け、蓄積されたデータを用いて推定モデルが生成されてもよい。具体的には、データを蓄積するための期間において、ユーザがある行動を行った場合に、そのユーザの属性情報とともに、行動１～１９のいずれかの行動又は行動量を入力し、それに伴う指標１～９の各々に対するウェルビーイング指標を入力するようにしてもよい。なお、ユーザの属性を細かく入力した場合であっても、その属性を上位概念化したものと推定モデルが紐づくようにしてもよい。蓄積されたデータの平均値を採って、各行動（例：図３の行動１～１９）又は行動量によって増加又は減少するウェルビーイング指標（例：図３の指標１～９）を決定するための推定モデルを生成してもよい。行動量を考える場合には、行動量がｍ×ｎ回の場合、行動量がｎ回の場合のｍ倍になるようにしてもよいことは、前述したとおりである。ここでウェルビーイング指標については１～５といった数値を選択的に入力できるようにしてもよい。推定モデルでは、アンケート等で取得した順序付けられた値であるウェルビーイング値を被説明変数とし、各種属性、行動情報を説明変数とするため、順序選択確率を最尤法推定する順序ロジット又は順序プロビット分析を採用してもよい。

【0029】

本実施の形態の情報処理装置１００は、受付部１０で対象者の属性情報を受け付け、当該属性情報に紐づけられて、受付部１０によって記憶部６０から読み出される推定モデルにおいて、所望のウェルビーイング値に基づいてカテゴリ別行動を選定する選定部５０を有してもよい。このような態様を採用する場合には、所望のウェルビーイング値に基づいて推奨される行動が何であるのかについての情報を得ることができる。所望のウェルビーイング値は、操作部２１０から適宜入力されてもよく、後述するように「ウェルビーイング値を最大化する」態様を選択してもよいし、その他の例としては「ウェルビーイング値が●●だけ増加する」態様を選択するようにしてもよいし、「ウェルビーイング値が最小になる」態様を選択してもよい。なお、「ウェルビーイング値が最小になる」態様を選択した場合には、どのカテゴリ別行動を選んだ場合に、ウェルビーイング値が最も増加しない又は最も減少するかをユーザが把握することができ、取るべきでない施策等を確認することができる。なお、「ウェルビーイング値」ではなく「ウェルビーイング指標」が入力項目となり、「所望のウェルビーイング値」は「所望のウェルビーイング指標」として細分化して入力されてもよい。

【0030】

対象となる属性情報は、例えば、調査の対象となる対象者の属性情報である。一例として、選定部５０は、増加するウェルビーイング値又はウェルビーイング指標を最大化するためのカテゴリ別行動を選定してもよい。選定部５０は、複数の対象者に関するウェルビーイング値の合計値に基づいて、カテゴリ別行動又はウェルビーイング指標を選定するようにしてもよい。一例として、選定部５０は、複数の対象者に対するウェルビーイング値又はウェルビーイング指標の合算値が最大になるカテゴリ別行動を選定するようにしてもよい。このような態様を採用する場合には、複数の対象者に対する政策や施策等を取る場合に、どのような行動を重視するのが好ましいかを事前に把握することができる点で有益である。

【0031】

一例として、ある政策を作成する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある地域住民に対して、ウェルビーイング値が高くなるためのカテゴリ別行動が何であるかを出力部８０が出力するようにしてもよい。この場合、ある地域に在住の住民（複数のユーザ）を対象者として選択し、ウェルビーイング値が高くなるカテゴリ別行動の出力をユーザ端末２００（例えば地方自治体のパソコン）から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力されてもよい。処理方法の一例としては、ある地域住民の属性情報が記憶部６０から受付部１０によって自動で読み出され、ある地域に在住の住民（複数のユーザ）の属性情報ごとに対応した推定モデルにおいて、行動１、行動２、・・・、行動１９を行った場合のウェルビーイング値を算出部５５が自動で算出し、行動１、行動２、・・・、行動１９のいずれの行動を行った場合におけるウェルビーイング値の合計値（住民全体の合計値）を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となる行動を行動１～行動１９の中から選定するようにしてもよい。このような態様を採用することで、所定の属性情報を有するある地域に在住の住民（複数のユーザ）に対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値の合計値が最大になるかを把握でき、当該行動に関連づいた政策を採用することが有益であるかを、ユーザ（例えば地方自治体の担当者）が推測できるようになる。

【0032】

別の例としては、ショッピングモールに新しい店舗を誘致する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある属性を有する利用者をターゲットとした新しい店舗の誘致を検討する際に、ウェルビーイング値が高くなるためのカテゴリ別行動が何であるかを出力部８０が出力するようにしてもよい。この場合、ターゲットとなるユーザの属性情報（例えば３０～４０歳「女性」「既婚」）を入力し、ウェルビーイング値が高くなるカテゴリ別行動の出力をユーザ端末２００から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力されてもよい。処理方法の一例としては、３０歳「女性」「既婚」、３１歳「女性」「既婚」、・・・、４０歳「女性」「既婚」の各々に対応した推定モデルにおいて、行動１、行動２、・・・、行動１９を行った場合のウェルビーイング値を算出部５５が自動で算出し、行動１、行動２、・・・、行動１９のいずれの行動を行った場合におけるウェルビーイング値の合計値を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となる行動を行動１～行動１９の中から選定するようにしてもよい。このような態様を採用することで、３０～４０歳「女性」「既婚」の複数のユーザに対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値が最大になるかを把握でき、当該行動に関連づいた店舗を誘致することが有益であるかを、ユーザが推測できるようになる。

【0033】

［態様２］
次に、行動価値も利用する推定モデルを用いた態様について説明する。なお、態様１で説明したあらゆる態様をこの態様２でも採用することができる。逆に、態様２で説明するあらゆる態様をこの態様１でも採用することができる。

【0034】

行動価値を取得する第二取得部３０が設けられてもよい。行動価値は、Wish（望みの実現）、New（新発見）、Great（期待以上の価値）、Smooth（困りごと解決）等を有してよい。

【0035】

ユーザがユーザ端末２００を介して行動価値を入力してもよい。より具体的には、行動価値が、Wish（望みの実現）、New（新発見）、Great（期待以上の価値）及びSmooth（困りごと解決）の４つに分かれている場合には、ユーザがユーザ端末２００を介して、これらのいずれか１つ又は２つ以上を選択するようにしてもよい。なお、典型的には、１つの行動価値を選択することになる。

【0036】

この態様を採用した場合には、行動又は行動量であるカテゴリ別行動だけではなく行動の質である行動価値も用いて、ウェルビーイング値を算出することができ、より適切なウェルビーイング値を算出することができる点で有益である。この場合、算出部５５は、属性情報から導かれる推定モデルにカテゴリ別行動（カテゴリ行動量を含む。）及び行動価値を適用することで、個別のウェルビーイング指標を算出し、当該ウェルビーイング指標に基づいて全体のウェルビーイング値を算出してもよい。一例としては、属性ごとにカテゴリ別行動及び行動価値とウェルビーイング指標が定まった表があり（図４参照）、あるカテゴリ別行動及び行動価値が入力された場合にどのウェルビーイング指標が増加又は減少するかが定められてもよい。行動価値を考慮する場合であってWish（望みの実現）、New（新発見）、Great（期待以上の価値）及びSmooth（困りごと解決）を行動価値として利用する場合には、行動価値を考慮しない場合（前述した「態様１」）と比較して、単純計算すると４倍量の推定モデルが準備されることになる。なお、算出部５５は、属性情報に基づいて複数の行動価値を含む推定モデルを読み出し、その後で、行動価値に応じた推定モデルを選定することで、属性情報及び行動価値から導かれる推定モデルが選定されるようにしてもよい。

【0037】

本態様でも、推定モデルは、アンケートを実施する等して、分類される属性と行動価値毎にカテゴリ別行動に対応して予め作成されてもよい。また、本態様でもデータを蓄積するための期間を設け、蓄積されたデータを用いて推定モデルが生成されてもよい。具体的には、ユーザがある行動を行った場合に、そのユーザの属性情報とともに、行動１～１９のいずれかの行動又は行動量と、行動価値の「Wish（望みの実現）」、「New（新発見）」、「Great（期待以上の価値）」及び「Smooth（困りごと解決）」のいずれか１つを入力し、それに伴う指標１～９の各々に対するウェルビーイング指標を入力するようにしてもよい。そして、蓄積されたデータの平均値を採って、行動価値毎に（「Wish（望みの実現）」、「New（新発見）」、「Great（期待以上の価値）」及び「Smooth（困りごと解決）」の各々に対して）、各行動（例：図４の行動１～１９）又は行動量によって増加又は減少するウェルビーイング指標（例：図４の指標１～９）を決定するための推定モデルを生成してもよい。推定モデルでは、アンケート等で取得した順序付けられた値であるウェルビーイング値を被説明変数とし、各種属性、行動情報を説明変数とするため、順序選択確率を最尤法推定する順序ロジット又は順序プロビット分析を採用してもよい。

【0038】

選定部５０は、受付部１０で対象者の属性情報を受け付け、当該属性情報に紐づけられて、受付部１０によって記憶部６０から読み出される推定モデルにおいて、所望のウェルビーイング値に基づいてカテゴリ別行動及び行動価値を選定してもよい。このような態様を採用する場合には、所望のウェルビーイング値に基づいて推奨される行動及び行動価値が何であるのかについての情報を得ることができる。本態様では、行動価値も考慮することから、推奨される行動が何であるのかに加え、さらにその行動で得るべき行動価値についての情報を得ることができ、推奨される行動を具体化できる点で非常に有益である。なお、「ウェルビーイング値」ではなく「ウェルビーイング指標」が入力項目となり、「所望のウェルビーイング値」は「所望のウェルビーイング指標」として細分化して入力されてもよい。

【0039】

対象となる属性情報は、例えば、調査の対象となる対象者の属性情報である。一例として、選定部５０は、増加するウェルビーイング値又はウェルビーイング指標を最大化するためのカテゴリ別行動を選定してもよい。選定部５０は、複数の対象者に関するウェルビーイング値又はウェルビーイング指標の合計値に基づいて、カテゴリ別行動を選定するようにしてもよい。一例として、選定部５０は、複数の対象者に対するウェルビーイング値又はウェルビーイング指標の合算値が最大になるカテゴリ別行動を選定するようにしてもよい。このような態様を採用する場合には、複数の対象者に対する政策や施策等を取る場合に、行動価値も考慮した上で、つまり目的としている行動価値も考慮した上で、どのような行動を重視するのが好ましいかを事前に把握することができる点で有益である。

【0040】

一例として、ある政策を作成する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある地域住民に対して、ウェルビーイング値が高くなるためのカテゴリ別行動と行動価値の組み合わせが何であるかを出力部８０が出力するようにしてもよい。この場合、ある地域住民（複数のユーザ）を対象者として選択し、ウェルビーイング値が高くなるカテゴリ別行動と行動価値の組み合わせの出力をユーザ端末２００（例えば地方自治体のパソコン）から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力され、さらにその行動で重視されるべき行動価値が出力されてもよい。処理方法の一例としては、ある地域住民の属性情報が記憶部６０から受付部１０によって自動で読み出され、ある地域に在住の住民（複数のユーザ）の属性情報ごとに対応した推定モデルにおいて、カテゴリ別行動（行動１、行動２、・・・、行動１９）と行動価値（行動価値１、・・・、行動価値４）の組み合わせを行った場合のウェルビーイング値を算出部５５が自動で算出し、カテゴリ別行動と行動価値のいずれの組み合わせを行った場合におけるウェルビーイング値の合計値（住民全体の合計値）を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となるカテゴリ別行動を選定し、さらに、その選定された行動でウェルビーイング値が最大となる行動価値が出力されてもよい。このような態様を採用することで、所定の属性情報を有するある地域に在住の住民（複数のユーザ）に対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値の合計値が最大になるかを把握でき、さらにその行動で重視すべき行動価値が把握でき、当該行動に関連づいた政策を採用することが有益であるかを、ユーザ（例えば地方自治体の担当者）が推測できるようになる。なお、カテゴリ別行動と行動価値の選定に際しては、ウェルビーイング値が最大となるカテゴリ別行動及び行動価値の組み合わせが選定部５０で選定される態様を採用することもできる。

【0041】

別の例としては、ショッピングモールに新しい店舗を誘致する際に、本実施の形態の情報処理装置１００を利用してもよい。例えば、ある属性を有する利用者をターゲットとして、新しい店舗の誘致を検討する際に、ウェルビーイング値が高くなるためのカテゴリ別行動と行動価値の組み合わせが何であるかを出力部８０が出力するようにしてもよい。この場合、ターゲットとなるユーザの属性情報（例えば３０～４０歳「女性」「既婚」）を入力し、ウェルビーイング値が高くなるカテゴリ別行動と行動価値の組み合わせの出力をユーザ端末２００から依頼することで、例えば行動１、行動２、・・・、行動１９（例えば上記(1a)～(19a)）の行動のうち優先されるべきものが何であるかが出力されてもよい。さらにその行動で重視されるべき行動価値が出力されてもよい。処理方法の一例としては、３０歳「女性」「既婚」、３１歳「女性」「既婚」、・・・、４０歳「女性」「既婚」の各々に対応した推定モデルにおいて、カテゴリ別行動（行動１、行動２、・・・、行動１９）と行動価値（行動価値１、・・・、行動価値４）の組み合わせを行った場合のウェルビーイング値を算出部５５が自動で算出し、カテゴリ別行動と行動価値のいずれの組み合わせを行った場合におけるウェルビーイング値の合計値を自動で算出するようにしてもよい。そして、選定部５０が、ウェルビーイング値が最大となるカテゴリ別行動を行動１～行動１９の中から選定し、さらに、その選定された行動でウェルビーイング値が最大となる行動価値が出力されてもよい。このような態様を採用することで、３０～４０歳「女性」「既婚」の複数のユーザに対して、行動１、行動２、・・・、行動１９のいずれの行動を行った場合にウェルビーイング値が最大になるかを把握でき、さらにその行動で重視すべき行動価値が把握でき、当該行動に関連づいた店舗を誘致することが有益であるかを、ユーザが推測できるようになる。なおカテゴリ別行動と行動価値の選定に際しては、前述したように、ウェルビーイング値が最大となるカテゴリ別行動及び行動価値の組み合わせが選定部５０で選定される態様を採用することもできる。

【0042】

なお、上記(1a)～(19a)の行動及び上記(1b)～(9b)のウェルビーイング指標は、あくまでも一例であり、必要に応じて適宜内容を変更することができる。

【0043】

上述した実施の形態の記載及び図面の開示は、特許請求の範囲に記載された発明を説明するための一例に過ぎず、上述した実施の形態の記載又は図面の開示によって特許請求の範囲に記載された発明が限定されることはない。また、出願当初の請求項の記載はあくまでも一例であり、明細書、図面等の記載に基づき、請求項の記載を適宜変更することもできる。

【符号の説明】

【0044】

１０ 受付部
２０ 第一取得部
３０ 第二取得部
５０ 選定部
６０ 記憶部
１００ 情報処理装置

【要約】      （修正有）

【課題】ある行動を選定することでどの程度ウェルビーイング値又はウェルビーイング指標が増減するか又は増減したか、逆に所望のウェルビーイング値又は所望のウェルビーイング指標に基づいて推奨される行動が何であるのか等についての情報を提供する。
【解決手段】情報処理システムにおいて、情報処理装置１００は、通信可能な複数のユーザ端末２００の操作部２１０から入力されるユーザの属性情報を受け付ける受付部１０と、前記ユーザにおけるカテゴリ別行動を取得する第一取得部２０と、前記属性情報から導かれる推定モデルに前記カテゴリ別行動を適用することで、増加又は減少するウェルビーイング値を算出する算出部５５と、行動価値を取得する第二取得部３０と、を有し、算出部５５は、属性情報から導かれる推定モデルに前記カテゴリ別行動及び行動価値を適用することで、増加又は減少するウェルビーイング値を算出する。
【選択図】図２

【図1】

【図2】

【図3】

【図4】